文献

J-GLOBAL ID：201702283287276626   整理番号：17A0398060

マルチラベル材料認識のための学習物体に特異的DAG【Powered by NICT】

Learning object-specific DAGs for multi-label material recognition

著者 (7件)： Xie Xiaohua (School of Information Science and Technology, Sun Yat-sen University, China) ,  Xie Xiaohua (Guangdong Key Laboratory of Information Security Technology, China) ,  Yang Lingxiao (The Hong Kong Polytechnic University, Hong Kong, China) ,  Yang Lingxiao (Collaborative Innovation Center of High Performance Computing, National University of Defense Technology, Changsha, China) ,  Zheng Wei-Shi (School of Information Science and Technology, Sun Yat-sen University, China) ,  Zheng Wei-Shi (Intelligence Science and System Lab, Sun Yat-sen University, China) ,  Zheng Wei-Shi (Guangdong Provincial Key Laboratory of Computational Science, China)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 143  ページ： 183-190  発行年： 2016年02月 
JST資料番号： W0185A  ISSN： 1077-3142  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実世界物体表面はしばしば複数の材料から構成されている。物体の品質と機能性の理解に,著しく利益をもたらすため認識表面材料が重要である。しかし,異なる材料は,しばしば,別々の同定のための分割であることと硬質織りである単写真から表面上に複数の材料を同定することは非常に挑戦的である。この問題に対処するために,著者らはそれらの各々のためのセグメンテーションなし実世界物体表面の多重材料を同定するためのマルチラベル学習フレームワークを提案した。材料間の潜在的相関があることをと相関したオブジェクトカテゴリーに関連することを見出した。例えば,モニタの表面はプラスチックとガラスよりも木材や石から構成されている。各意味論的物体クラスタ上で局所的に材料標識の相関を学習することを動機づけた。この目的のために,試料は,それらのカテゴリに従ってグループ化した意味的にした。試料の各グループに対して,材料ラベルの条件付き依存性をコードする有向非巡回グラフ(DAG)を採用した。これら物体固有DAGは表面材料の推論を支援するために使用されている。提案した方法の鍵となるイネイブラーは,物体認識にはオブジェクト固有DAG学習を定式化することにより材料認識のための意味的手がかりを提供することである。ALOTデータベース上で提案手法を試験し,最先端の一貫した改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： プラスチック ,  意味論 ,  セグメンテーション ,  定式化 ,  クラスタ ,  多重化 ,  データベース ,  木材 ,  監視装置 ,  *学習 ,  石材 ,  硬質 ,  物体認識
準シソーラス用語： DAG【グラフ】 ,  機能性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 材料認識 ,  物体認識 ,  マルチラベル学習 ,  グラフモデル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マルチ ,  ラベル ,  学習 ,  物体 ,  DAG