文献

J-GLOBAL ID：201602278208429171   整理番号：16A0639121

ロバスト仮説に基づく教師なし顕著性推定【Powered by NICT】

Unsupervised saliency estimation based on robust hypotheses

著者 (5件)： Xu Fei (Utah State University) ,  Xian Min (Utah State University) ,  Cheng H. D. (Utah State University) ,  Ding Jianrui (Harbin Institute of Technology) ,  Zhang Yingtao (Harbin Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： WACV  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  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： 最適化モデルに基づく視覚顕著性推定は最近人気は上昇している。本論文では,ロバストな仮説に基づく二次計画法(QP)問題として顕著性推定を定式化した。は最も一般的な画像ベース中心バイアスを置き換えるために適応ベースバイアス仮説を提案した。対象は画像中心から遠く離れている場合,よりロバストな局所コントラストを利用した重み付き中心を計算する。第二に,各色の顕著性統計モデル滑らかさ項。同様な顕著性統計を類似した色を持つピクセルを強制する。画像は複雑な背景や低コントラストを持つ場合に提案した平滑性項である領域の非類似度を用いた滑らかさ項よりもよりロバストである。主双対内点法は多項式時間で提案したQPを最適化するために適用した。広範な実験は,提案した方法が三公開ベンチマークデータセット上で10最先端の方法より優れていることを実証した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 内点法 ,  画像 ,  平滑度 ,  バイアス ,  画素 ,  二次計画法 ,  最適化 ,  コントラスト ,  *ロバスト性 ,  情報公開 ,  最適化モデル ,  統計モデル ,  改変 ,  モデル
準シソーラス用語： 統計模型 ,  多項式時間 ,  非類似性 ,  視覚顕著 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ロバスト ,  仮説 ,  教師 ,  推定