文献

J-GLOBAL ID：201702241460459850   整理番号：17A1398479

CCGとCRF最適化を用いた深い学習ベースオブジェクトレベルの輪郭検出【Powered by NICT】

Deep-learning-based object-level contour detection with CCG and CRF optimization

著者 (5件)： Liao Yuan (Institute of Computer Science and Technology, Beijing, China) ,  Fu Songping (Institute of Computer Science and Technology, Beijing, China) ,  Lu Xiaoqing (Institute of Computer Science and Technology, Beijing, China) ,  Zhang Chengcui (Department of Computer and Information Sciences, University of Alabama at Birmingham, USA) ,  Tang Zhi (Institute of Computer Science and Technology, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 859-864  発行年： 2017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： 輪郭検出はコンピュータビジョンにおける基本的問題である。しかし,検出結果と実際の輪郭の間にかなりの相違がある。ポテンシャルエッジの包括的な分析に基づいてオブジェクトレベル輪郭を検出するために,条件付き確率場(CRF)モデルを用いた深い学習ベースアプローチを提案した。VGGNetベースモデルを用いた初期のエッジマップを得る,潜在的エッジとそれらの関係を記述するための輪郭相関グラフ(CCG)を確立した。CRFモデルが採用されているオブジェクトレベル輪郭特性の解析に基づいて最適化を実現し,候補輪郭の妥当性を予測した。様々なデータ集合に関する実験結果は,提案した方法が顕著な限界によって既存の方法より優れていることを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： エッジ検出 ,  コンピュータビジョン ,  *最適化 ,  モデル ,  *学習
準シソーラス用語： 条件つき確率場 ,  *輪郭抽出 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： CRF ,  最適化 ,  学習 ,  輪郭検出