文献

J-GLOBAL ID：201702249972367401   整理番号：17A1705739

Gauss場コンセンサス:異常値除去のためのロバスト非パラメトリックマッチング法【Powered by NICT】

Gaussian field consensus: A robust nonparametric matching method for outlier rejection

著者 (4件)： Wang Gang (Institute of Data Science and Statistics, Shanghai University of Finance and Economics, Shanghai 200433, China) ,  Wang Gang (School of Statistics and Management, Shanghai University of Finance and Economics, Shanghai 200433, China) ,  Chen Yufei (College of Electronic and Information Engineering, Tongji University, Shanghai 201804, China) ,  Zheng Xiangwei (School of Information Science and Engineering, Shandong Normal University, Jinan 250014, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 74  ページ： 305-316  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,与えられた推定点集合マッチング対応からの異常値除去のための,Gauss場コンセンサス(GFC)と呼ばれるロバストな方法を提案した。正しい対応(内座層)は,多くのコンピュータビジョンやパターン認識タスクにおける重要な成分であり,異常値(ミスマッチ)除去の目的は,他の1組の特徴点をマッピングする変換関数を適合することである。GFCは多くの異常値で汚染された推定上の対応セットを入力することにより開始し,著者らのGFCの主要な課題は,異常値から基本的な真の対応を同定することである。再生カーネルH ilbert空間における指数距離損失とカーネル法に基づく,Gauss場ノンパラメトリックマッチングモデルによるこの困難な問題を定式化した。次に,著者らは,特徴点の位相幾何学的構造を保存するために正則化理論に基づく局所線形制約を導入した。さらに,スパース近似は,探索空間を低減するために使用され,このようにして,多数の点を容易に取り扱うことができる。最後に,異常値の存在下でいくつかの実画像データセット上でGFC方法を試験し,実験結果は,提案した方法は,ほとんどの試験シナリオにおける現在の最先端の方法より優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： パターン認識 ,  画像 ,  コンピュータビジョン ,  透視図法 ,  位相幾何学 ,  *マッチング ,  *異常値 ,  近似法 ,  *ロバスト性 ,  正則化 ,  定式化
準シソーラス用語： 探索空間 ,  Kernel法 ,  特徴点 ,  *外れ値除去 , 【Automatic Indexing@JST】

著者キーワード (5件)： Gauss場 ,  異常値除去 ,  ミスマッチ除去 ,  点マッチング ,  スパース近似

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： コンセンサス ,  異常値除去 ,  ロバスト