文献

J-GLOBAL ID：201402255157593218   整理番号：14A0632782

多様体学習に基づく顕著度検出

Saliency Detection Based on Manifold Learning

著者 (4件)： YANG Zhi (Huazhong Univ. Sci. & Technol., Wuhan, CHN) ,  LI DeHua (Huazhong Univ. Sci. & Technol., Wuhan, CHN) ,  WANG Jie (Huazhong Univ. Sci. & Technol., Wuhan, CHN) ,  LI Xuan (Huazhong Univ. Sci. & Technol., Wuhan, CHN)
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 8919  ページ： 891906.1-891906.6  発行年： 2013年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
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： ビジョン計算の分野では,顕著度検出は,人間の視覚システムにおける選択的処理に密接に関連する。視覚的顕著性は,最近コンピュータビジョン学会の研究の関心の多くを集めている。本論文では,多様体学習に基づくボトムアップ型顕著性検出のための新たな計算モデルを提案した。典型的なグラフベースのマニホールド学習アルゴリズム,すなわち拡散マップは,人間の顕著性モデルを確立するために適用した。この提案した手法では,最初に,グラフを,低レベルの画像特徴を用いて構成した。次に,拡散マップアルゴリズムは,顕著性測度を導出するために利用される拡散距離の学習が行われる。既存の顕著性モデルと比較して,提案した方法は,もとの特徴空間において固有の非線形構造を捕捉することができるという利点がある。さらに,拡散マップアルゴリズムの固有特性により,提案した手法は,効率的にマルチスケール問題に対処することができる。これは,任意の顕著性モデルに不可欠である。公的利用可能なデータについては実験結果から,本手法は,質的にも量的にも,最先端の顕著性モデルよりも優れていることを検証した。

シソーラス用語： 学習 ,  システム ,  *コンピュータビジョン ,  計算モデル ,  マニホールド ,  *学習アルゴリズム ,  図化 ,  画像特性 ,  特徴抽出 ,  *拡散距離 ,  規模 ,  指数 ,  度 ,  *非線形解析 ,  非線形構造
準シソーラス用語： マルチスケール ,  *マルチスケール解析 ,  画像特徴 ,  *画像特徴抽出 ,  *拡散マップ ,  *視覚システム ,  *多様体学習

分類 (2件)： 視覚モデル  (EL02060N) ,  視覚  (EJ13020B)

タイトルに関連する用語 (1件)： 多様体学習