文献

J-GLOBAL ID：201002275662955509   整理番号：10A0760009

幾何学的に不変なテクスチャ検索のためのパルス結合型ニューラルネットワークおよび1クラスサポートベクトルマシン

Pulse-coupled neural networks and one-class support vector machines for geometry invariant texture retrieval

著者 (4件)： MA Yide (School of Information Sci. and Engineering, Lanzhou Univ., Lanzhou, Gansu Province 730000, People’s Republic of China) ,  LIU Li (School of Information Sci. and Engineering, Lanzhou Univ., Lanzhou, Gansu Province 730000, People’s Republic of China) ,  ZHAN Kun (School of Information Sci. and Engineering, Lanzhou Univ., Lanzhou, Gansu Province 730000, People’s Republic of China) ,  WU Yongqing (School of Mathematics and Statics, Lanzhou Univ., Lanzhou, Gansu Province 730000, People’s Republic of China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 28  号： 11  ページ： 1524-1529  発行年： 2010年11月 
JST資料番号： A0611C  ISSN： 0262-8856  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： 画像処理においてパルス結合型ニューラルネットワーク(PCNN)が広く用いられている。PCNNの出力では,元の刺激のユニークな特徴を表現し,平行移動,回転,スケーリング,歪に対して不変であり,そのことは,特徴抽出にとって特に適している。本論文では,PCNNモデルの単純化バージョンである交差皮質モデル(ICM)とPCNNを適用し,回転不変およびスケール不変テクスチャ特徴の幾何学変化を抽出し,次に,1クラスサポートベクトルマシンに基づく分類手法を採用し,それら特徴の訓練および予測を行った。実験を行いその結果,パルス特徴は特徴抽出時間および検索精度の両面において古典的Gabor特徴の性能を超えており,ここで提案した1クラスサポートベクトルマシンに基づく検索システムは,従来型Euclid距離に基づくシステムよりも幾何学的変化に対してより高精度かつロバストであることを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *サポートベクトルマシン ,  *画像検索 ,  テクスチャ処理 ,  皮質 ,  回転不変性 ,  スケール不変性 ,  予測技法 ,  特徴抽出 ,  Gabor変換 ,  精度 ,  ロバスト性
準シソーラス用語： テクスチャ検索 ,  *パルス結合型ニューラルネットワーク

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 幾何学 ,  テクスチャ ,  検索 ,  パルス ,  ニューラルネットワーク ,  クラス ,  サポートベクトルマシン