文献

J-GLOBAL ID：201702214434278857   整理番号：17A0451040

弱教師つきデータ融合による物体コセグメンテーション【Powered by NICT】

Object co-segmentation via weakly supervised data fusion

著者 (3件)： Wang Shiping (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Zhang Handuo (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Wang Han (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 155  ページ： 43-54  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： オブジェクトコセグメンテーションは複数の画像から関心のある共通に観測した領域を分割同時にすることを目的とした。画像分類,オブジェクト認識と画像検索にとって非常に重要である。多重画像による共有類似オブジェクトを抽出する一つの方法は,画像領域間の相関関数を構築することである。本論文では,物体コセグメンテーションは弱教師つきデータ融合に基づいて検討した。最初に,証明された収束性を持つ効率的な画像セグメンテーションアルゴリズムを採用することにより,画像境界情報を統合する弱教師つきクラスタリング。クラスタリング配向法を用いた最適特徴部分空間を提供するように特徴学習だけでなくクラスタリングも統一されたフレームワークを確立するために提案アルゴリズムに組み込んだ。第二に,複数の画像からの共有オブジェクトは,不均一データ源,データ融合問題として定式化から物体を探索するための方法と見なされている。データ融合技術を用いて,画像間の類似性,複数の画像から類似オブジェクトの使用を評価する新しい方法を提示した。最後に,二つの提案したオブジェクトセグメンテーションとコセグメンテーションアルゴリズムは,公開利用可能データセットによるMSRA1000およびiCoseg検証した。実験は両方のアルゴリズムは,試験したすべてのデータセットで比較最新のセグメンテーション法よりも優れているか,同等の性能を達成できることを実証している。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *セグメンテーション ,  クラスタ化 ,  類似性 ,  相関関数 ,  コンピュータビジョン ,  物体認識 ,  アルゴリズム ,  *データ融合 ,  画像検索 ,  情報公開 ,  画像
準シソーラス用語： オブジェクトセグメンテーション ,  部分空間 ,  画像セグメンテーション ,  画像分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータビジョン ,  画像セグメンテーション ,  物体検出 ,  弱教師つきクラスタリング ,  データ融合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 教師 ,  データ融合 ,  物体