文献

J-GLOBAL ID：201202261370711823   整理番号：12A1114960

DoG規模の空間を用いる物体検出:多重カーネル学習アプローチ

Object Detection With DoG Scale-Space: A Multiple Kernel Learning Approach

著者 (3件)： NILUFAR Sharmin (Univ. Alberta, AB, CAN) ,  RAY Nilanjan (Univ. Alberta, AB, CAN) ,  ZHANG Hong (Univ. Alberta, AB, CAN)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 21  号： 8  ページ： 3744-3756  発行年： 2012年08月 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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： 物体検出と分類のための特徴を作り出すために,画像のためのガウス関数の差(DoG)規模の空間について検討し,新しい自動化した物体検出の枠組みを提案した。提案の解の技術は特徴としてDoG規模空間を使用した。DoG規模選択と重みづけおよび高次元スケール空間データの処理は多重Kernel関数学習枠組みによって実行した。提案の検出システムを厳しい大きな塊の検出問題に適用した。提案のシフト不変式である畳み込みKernel関数は他の従来のKernel関数よりも優れていた。さらに,提案の実験は,物体検出のための他の有名な特徴に関して,DoGベースの特徴の有効性を明らかにした。提案の線形多重カーネル学習アルゴリズムは最大マージン1-ノルムのサポート・ベクトル・マシン分類子の原理を使用して,他の競合するMKL技術と比較した。

シソーラス用語： 検出 ,  関数 ,  *学習 ,  パターン認識 ,  データ ,  識別関数 ,  畳込み ,  サポートベクトルマシン ,  不変性 ,  分類
準シソーラス用語： Gauss関数 ,  Kernel関数 ,  *Kernel法 ,  シフト不変性 ,  空間データ ,  *物体検出 ,  分類子

分類 (2件)： パターン認識  (JE07000S) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： 規模 ,  物体検出 ,  多重 ,  カーネル学習