文献

J-GLOBAL ID：201702227974313023   整理番号：17A1528108

深さ交差CNNと非交互GrabCutによる有意性検出【JST・京大機械翻訳】

Saliency detection based on deep cross CNN and non-interaction GrabCut

著者 (4件)： Du Yulong (軍械工程学院 无人机工程系,石家庄,050003) ,  Li Jianzeng (軍械工程学院 无人机工程系,石家庄,050003) ,  Zhang Yan (軍械工程学院 无人机工程系,石家庄,050003) ,  Fan Cong (軍械工程学院 无人机工程系,石家庄,050003)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 53  号： 3  ページ： 32-40  発行年： 2017年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の顕著性検出アルゴリズムの特徴学習が不十分であり、顕著性領域の境界が明確でないことと検出効果が悪いなどの問題に対して、深さ交差畳込み神経回路網と相互作用GrabCutに基づく顕著性検出アルゴリズムを提案した。まず第一に,従来のCNNモデルにおけるニューロンとパラメータの大きさによって引き起こされる訓練の困難さを克服するために,人間の視覚の原理に従って,深さ交差畳込み神経回路網モデル(DCCNN)を構築した。次に,画像の領域特性をハイパーピクセルクラスタリングアルゴリズムによって得て,DCCNNを用いて特徴を学習して,次に,結合条件付きの空港の下で特徴融合を実行して,著しい領域の粗い検出を実現した。最後に,粗い検出結果を適応的に二値化して,形態学的に膨張して,GrabCutアルゴリズムの入力として,顕著な領域の多角形近似結果を正確に検出することができた。実験結果は,提案したアルゴリズムが有意に検出精度を改善することができて,より良いロバスト性と普遍性を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  モルフォロジー ,  ロバスト性 ,  神経回路網 ,  *アルゴリズム ,  視覚 ,  普遍性 ,  近似法 ,  学習 ,  モデル
準シソーラス用語： 検出精度 ,  二値化 ,  特徴融合 ,  神経回路網モデル ,  検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： saliency detection ,  deep cross Convolutional Neural Network(CNN) ,  superpixel ,  Beltrami filter ,  Conditional Random Field(CRF) ,  non-interaction GrabCut

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 交差 ,  CNN