文献

J-GLOBAL ID：201502204253051919   整理番号：15A0977302

有向グラフとベイズ推論による複雑シーンからのサリエンシーの生成

Saliency generation from complex scene via digraph and Bayesian inference

著者 (4件)： WANG Shigang (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, International Res. Center for ...) ,  YANG Shuyuan (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, International Res. Center for ...) ,  LIU Zhengkang (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, International Res. Center for ...) ,  JIAO Licheng (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, International Res. Center for ...)
資料名： Neurocomputing  (Neurocomputing)
巻： 170  ページ： 176-186  発行年： 2015年12月25日 
JST資料番号： W0360A  ISSN： 0925-2312  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： コンピュータビジョンにおける最近の進展を詳しく調べると,益々進展は計算分野で最盛の分野である,生物に触発されたアルゴリズムの導入に起因していることが分かる。生物学のパターンは,大きな背景からもっとも重要な情報を抽出する神経系におけるサリエント注目原理から生成されうる。その基礎をなすニューロン機構の新しい証拠は,センシング環境で,特に複雑なシーンにおいて,低レベル画素の代わりに,より高い認知レベルにおいて,バイオロジカルモーション現象が起こることを示している。これに触発されて,本論文では,有向グラフモデルとマルチスケールベイズ推論に基づいて新規なサリエンシー検出法を提案する。最初に,スーパー画素をノードとする有向グラフを生成し,サリエンシーが零と考えられるベースラインノードを導入する。おのおののノードのサリエンシーはベースラインノードからの最短距離として定義し,Dijkstraのアルゴリズムをこの最適化問題を高い効率で解けるように調整する。さらに,異なる大きさのサリエント領域に対応するために,このモデルをマルチスケール版に拡張し,画素レベルサリエンシーを実現するために3Dカラーヒストグラムに基づいたベイズ推論戦略を開発する。いくつかのベンチマークデータに対する実験結果は,18個の最新のサリエンシー検出法に対して提案方法の優越性を実証し,MSRA-1000で最高の再現率を実現する。SAR画像の船の検出の追加実験は,提案手法が従来のCFAR検出器の欠点を克服し,複雑な背景で誤報がより少ないことを示す。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *有向グラフ ,  *推論 ,  Bayes推定 ,  *アルゴリズム ,  *最短路問題 ,  コンピュータビジョン ,  *運動 ,  *特徴抽出 ,  パターン認識 ,  生体工学 ,  *最適化問題 ,  ヒストグラム ,  *レーダ画像 ,  *物体認識
準シソーラス用語： *ベイズ推論 ,  *Dijkstraアルゴリズム ,  *バイオロジカルモーション ,  カラーヒストグラム ,  3Dカラーヒストグラム ,  *SAR画像 ,  *船舶検出

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  生体系モデル一般  (EL02010K)

タイトルに関連する用語 (3件)： 有向グラフ ,  ベイズ推論 ,  シーン