文献

J-GLOBAL ID：201002294476583833   整理番号：10A0904415

特徴の機械学習に基づく画像セグメンテーションアルゴリズム

Image segmentation algorithms based on the machine learning of features

著者 (3件)： LEE Sang Hak (School of Electrical Engineering, Seoul National Univ., San56-1, Shilim-Dong, Kwanak-Gu, Seoul, KOR) ,  IL KOO Hyung (School of Electrical Engineering, Seoul National Univ., San56-1, Shilim-Dong, Kwanak-Gu, Seoul, KOR) ,  IK CHO Nam (School of Electrical Engineering, Seoul National Univ., San56-1, Shilim-Dong, Kwanak-Gu, Seoul, KOR)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 31  号： 14  ページ： 2325-2336  発行年： 2010年10月15日 
JST資料番号： H0913A  ISSN： 0167-8655  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： 汎用画像セグメンテーションのためには,セグメンテーションされる領域を最善に特性付ける特徴を見出し,統合することが要求される。本論文では,適切な特徴を見出すために機械学習アプローチを提案し,また,学習の間に得られた情報に基づく新しいセグメンテーション法を提案した。正確には,提案手法は領域間の違いを学習するためのAdaBoostアルゴリズムと,学習からの情報を用いたセグメンテーションのためのCRFベース(条件付き確率場)エネルギー定式化に基づいている。提案手法をインタラクティブ(半自動)と教師なし(完全自動)セグメンテーション問題に適用した。インタラクティブなケースは機械学習スキームの特性から比較的単純であるが,教師なしのケースはそうではない。そのため,教師なしセグメンテーションのために,新しい初期化法とAdaBoost学習とグラフ切断を反復するEM様(期待値最大化)最適化法を考案した。解析の結果,領域数は自動的に決定され,識別可能な領域のみ生き残ることを示した。実験結果からも,提案手法はテクスチャセグメンテーション,カラーテクスチャセグメンテーション,ページセグメンテーションなどの多様な応用において,有望な結果を与えることを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  *セグメンテーション ,  特徴選択 ,  特徴抽出 ,  学習アルゴリズム ,  学習機械 ,  確率モデル ,  教師なし学習 ,  テクスチャ処理
準シソーラス用語： AdaBoost ,  テクスチャ解析 ,  *画像セグメンテーション ,  確率場 ,  期待値最大化

分類 (2件)： 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 (3件)： 機械学習 ,  画像セグメンテーション ,  アルゴリズム