文献

J-GLOBAL ID：201002267276704078   整理番号：10A0864072

画像ラベル付けに対する新しいLaplace混合条件付きランダム場モデル

A NEW LAPLACIAN MIXTURE CONDITIONAL RANDOM FIELD MODEL FOR IMAGE LABELING

著者 (2件)： WANG Xiaofeng (Ryerson Univ., Ontario, CAN) ,  ZHANG Xiao-Ping (Ryerson Univ., Ontario, CAN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2010 Vol.3  ページ： 2118-2121  発行年： 2010年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像ラベル付けは,物体または領域の認識とセグメンテーションの同時実行である。多くの空間的規則性を持つ自然画像は,条件付きランダム場(CRF)のような確率的グラフモデルにより効率良くモデル化できる。しかしCRFモデルを適用する場合,ラベル付けの尤度を示す相関ポテンシャルが種々の形式の分類器により設計されるため,必要な特徴数が多く学習と推論が困難である。本論文は,自然画像ラベル付けに対し,多種のポテンシャルを別々にモデル化する代わりに,すべてのポテンシャルを共通のLaplace混合モデルで扱う新しいLaplace混合CRFを提案した。これにより学習と推論の過程を,ラベル付け精度を損なわずに単純化した。またこの新しいモデルに対し,信念伝搬推論と急降下学習を定式化した。画像データベース上で実験を行い,提案手法の分類精度は基準CRFよりも優れ,最新の複雑なモデルに匹敵することを実証した。

シソーラス用語： *ラベル付け【画像】 ,  画像認識 ,  セグメンテーション ,  場 ,  確率モデル ,  画像 ,  モデリング ,  ポテンシャル ,  確率分布 ,  最急降下法 ,  学習アルゴリズム ,  確率推論 ,  画像データベース ,  精度 ,  コンピュータビジョン
準シソーラス用語： 画像セグメンテーション ,  ランダム場 ,  混合モデル ,  *自然画像 ,  グラフモデル ,  Laplace分布 ,  信念伝搬 ,  分類精度

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 画像ラベル付け ,  ランダム場 ,  モデル