文献

J-GLOBAL ID：201202217435520428   整理番号：12A1447141

画像セグメンテーションのための多層オブジェクトモデル

Layered Object Models for Image Segmentation

著者 (4件)： YANG Yi (Univ. California at Irvine, CA) ,  HALLMAN Sam (Univ. California at Irvine, CA) ,  RAMANAN Deva (Univ. California at Irvine, CA) ,  FOWLKES Charless C. (Univ. California at Irvine, CA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 34  号： 9  ページ： 1731-1743  発行年： 2012年09月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： コンピュータビジョンにおける基本タスクであるオブジェクト検出および画像セグメンテーションの問題を取り上げ,それに対する多層オブジェクトモデルを提案した。オブジェクトセグメンテーションのための多層生成モデルとしての多層モデルを提案し,多層ラベル分布,形状モデル,ボトムアップグルーピングの利用について述べ,また各ピクセルに対するクラスラベルの推論手法を提案し,座標上昇アルゴリズム,ヒストグラム学習を行うEM(期待値最大化)並び替え処理,機械学習(Bernoulliモデル,多層Bernoulliモデル)について論じた。オブジェクト検出およびマルチクラスセグメンテーションに対するテストベッドであるPASCAL VOCを用いた評価実験を行い,キャリブレーションについて述べるとともに,ベンチマークでの結果,診断結果,重複のある画像上での評価,インスタンスに基づくセグメンテーションベンチマークなどを用いた実験結果を示した。それにより,提案手法が最先端技術と比肩可能な性能を持つことを確認した。

シソーラス用語： *セグメンテーション ,  *画像処理 ,  モデル ,  多層構造 ,  ベンチマーク ,  性能評価 ,  評価試験 ,  最適化手法 ,  機械学習 ,  画像データベース ,  コンピュータビジョン ,  ヒストグラム
準シソーラス用語： *画像セグメンテーション ,  期待値最大化 ,  多層モデル

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

タイトルに関連する用語 (3件)： 画像セグメンテーション ,  多層 ,  オブジェクトモデル