文献

J-GLOBAL ID：201602284854038140   整理番号：16A1384861

大規模オブジェクト検出のための効率的な点過程の推論【Powered by NICT】

Efficient Point Process Inference for Large-Scale Object Detection

著者 (4件)： Pham Trung T. ,  Rezatofighi Seyed Hamid ,  Reid Ian ,  Chin Tat-Jun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CVPR  ページ： 2837-2845  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： 画像における大規模物体検出の問題,物体の数は任意に大きくできるを取り組む,有意な重複/閉塞を示すことができる。この問題の大規模性質をモデル化するための成功した手法はオブジェクト品質と空間的相互作用をコードする併用した点過程密度関数を介してした。しかし対応する最適化問題は典型的に困難あるいは難治性,最良の現在の方法の多くはMonte Carlo Markov連鎖(MCMC)シミュレーション,大規模な解空間におけるゆっくり収束するに依存している。離散エネルギー最小化を用いた大規模物体検出のための効率的な点過程推論を提案した。特に,オブジェクト提案の有限集合によって解空間を近似し,その値はオブジェクト提案を認めであることを示している二値変数の対応するエネルギー関数に対する点過程密度関数。最適解を見い出すための局所劣モジュラ近似(LSA)に頼る基づく信頼領域最適化。さらに,LSA近似の誤差を解析し,最適性を損なうことなく収束を高速化する劇的に点プロセスエネルギーを調整する方法を示した。群衆ヒト検出,鳥類,細胞計数/局在化のような大規模オブジェクト検出応用の多様性を用いた提案手法の優れた効率と精度を実証した。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： 信頼区間 ,  *最適化 ,  モデリング ,  近似法 ,  最適化問題 ,  高速化
準シソーラス用語： 最適性 ,  最適解 ,  エネルギー関数 ,  エネルギー最小化 ,  解空間 ,  MCMC ,  密度関数 ,  *点過程 ,  *物体検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 大規模 ,  オブジェクト検出 ,  点過程 ,  推論