文献

J-GLOBAL ID：201702249462714689   整理番号：17A1029066

大域無矛盾性によるビデオ物体セグメンテーションを意識したクエリ戦略【Powered by NICT】

Video Object Segmentation via Global Consistency Aware Query Strategy

著者 (5件)： Luo Bing (School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Li Hongliang (School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Meng Fanman (School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Wu Qingbo (School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Huang Chao (School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 19  号： 7  ページ： 1482-1493  発行年： 2017年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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： 本論文では,大局的整合性を意識した質問戦略によるビデオオブジェクトセグメンテーション法を提案した。目的は,少ないユーザアノテーションと高いセグメンテーション精度を得ることである。直観的に,著者らは,他の試験枠,アクティブ学習フレームワークによりモデル化することができる注釈よりも優れたセグメンテーション性能を得るためにいくつかのフレームに注釈をつけることを期待している。より詳しくいえば,ここではまず,各フレームのためのオブジェクト提案法による潜在的アノテーション領域の試料空間を生成する。領域のためのアノテーション尤度は映像中の物体のためのアノテーション歴史と大局的整合性の観点から計算した。第三,アノテーション領域のセグメンテーション結果はMRF(Markov確率場)エネルギー関数を最小化することにより得ることができた。第四に,このアルゴリズムは,注釈のための最も価値あるフレームをユーザに提供するであろう,これは高いアノテーション尤度と大きなセグメンテーション結果変化しなかった。最後に,アノテーションは骨格に添加した次の反復を開始することである。多数のビデオ列上での実験を行い,提案手法がユーザの労力を低減し最先端の方法と比較して,より高いセグメンテーション精度を得ることができることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アノテーション ,  *録画装置 ,  *セグメンテーション ,  アルゴリズム ,  映像 ,  モデリング
準シソーラス用語： 最先端 ,  ビデオ列 ,  エネルギー関数 ,  Markov確率場 ,  尤度 ,  能動学習 ,  セグメンテーション精度 ,  オブジェクトセグメンテーション ,  *クエリー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 無矛盾性 ,  ビデオ ,  物体 ,  セグメンテーション ,  意識 ,  クエリ ,  戦略