抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
既存の方法のほとんどは,単一レベルでCo顕著性検出を達成した。本研究では,画像のグループにおけるCo顕著なオブジェクトを検出するためのオブジェクトレベルおよび領域レベル処理を組み合わせた。オブジェクトレベルでは,異常値検出問題として提案選択を定式化した。良好な領域提案を発見し,各画像のためのテンプレートを生成する。領域レベルでは,滑らかさは多制約分類モデルを提示し,特異的分類器を自己訓練するために画像群からのテンプレートを使用し,それにより,各スーパーピクセルの顕著性ラベルを予測するための制約導入した。実験結果は,提案した方法が他の最新のCo顕著性手法の性能を上回る事を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】