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。
領域成長は連続領域抽出のための非常に有用な画像セグメンテーションアルゴリズムである。種子の初期集合を定義し,特定の基準に基づくと,同様の隣接画素を反復。ピクセル凝集体が,特定の反復で行われていないときアルゴリズムは収束する。本研究プロジェクトの中で,領域成長を走査電子顕微鏡(SEM)により得られた鉱石粒子の画像における亀裂のセグメンテーションのために採用した。目標は,堆積浸出とバイオリーチングによる抽出のための金属曝露を改善するであろうことを亀裂法の効率を評価する科学者を助けることである。しかし,これは画像の小集合を解析に時間を要することを計算集約的アプリケーションであり,連続的に実行される。亀裂セグメンテーションのための領域成長法のデータフロー並列バージョンを提案し,評価した。溶液はPythonのためのSucuriデータフローライブラリを用いる計算機クラスタにおける実行を統合する。応用は,種々のサイズと複雑さの画像を処理するため,Sucuriは透明な方法で機械間の負荷分散に重要な役割を果たした。実験結果は,36コア機の40処理コアおよび23.75の小クラスタにおける26.85までの高速化を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】