文献

J-GLOBAL ID：201302229077867513   整理番号：13A0470854

Multiple-Instance Learningを用いたCo-segmentation

Co-segmentation based on Multiple-Instance Learning

著者 (2件)： 坂田惇 (和歌山大 大学院システム工学研究科) ,  和田俊和 (和歌山大 大学院システム工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 112  号： 385(PRMU2012 84-129)  ページ： 81-86  発行年： 2013年01月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： インターネット上の画像検索を利用して,物体の見えの学習を行うことができれば,テキストを与えるだけで現実世界での物体の探索が行えるようになる。しかし,現実の画像検索結果は,対象以外の無関係なものを含むため,画像内での対象のローカライズが必要になる。本報告では,この問題を,複数の画像群から共通対象を検出するCo-segmentationの問題であると捉え,Multiple-Instance Learning(MIL)の考え方を取り入れて,この問題を解く方法を提案する。具体的には,過剰分割した画像領域から抽出した特徴量に対して求めたDiverse Density(DD)の値を利用して前景・背景モデルを構築し,離散最適化によって,各画像で共通する領域の検出を行う。この際に通常のDDを計算したのでは,前景におけるDDの値が低下するために,Co-segmentationに適した新たな尺度を導入する。iCoseg databaseを用いた実験では先行研究に比べ高いセグメンテーション精度が得られ,本手法の有効性が確認できた。(著者抄録)

シソーラス用語： *画像検索 ,  指標 ,  画像特性 ,  *セグメンテーション ,  景観 ,  モデル
準シソーラス用語： *画像特徴量 ,  前景 ,  背景モデル

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： CO