文献

J-GLOBAL ID：201702254028612425   整理番号：17A0886514

深い融合によるRGBD顕著物体検出【Powered by NICT】

RGBD Salient Object Detection via Deep Fusion

著者 (6件)： Qu Liangqiong (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  He Shengfeng (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Zhang Jiawei (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  Tian Jiandong (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Tang Yandong (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Yang Qingxiong (University of Science and Technology of China, Hefei, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 5  ページ： 2274-2285  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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： 多くの努力は,RGBD顕著性検出のための種々の低レベル顕著性キューを設計がなされてきた,色および深さコントラストの特徴だけでなく,背景と色コンパクト事前分布である。しかし,これら低レベル顕著性キューはお互いに相互作用するか,マスター顕著性マップを生成するために効率的に取り込まれることができるかが,困難な問題が残されている。本論文では,RGBD顕著物体検出のための相互作用機構を自動的に学習する新しい畳込みニューラルネットワーク(CNN)を設計した。既存研究,生の画像画素はCNNに直接供給されるとは対照的に,提案した方法は入力として様々な屈曲性及び解釈可能な顕著性特徴ベクトルを採用することにより伝統的な顕著性検出で得られた知識を利用している。これはCNNは顕著性を予測するより効果的に既存の特徴の組合せを学習するために導く,これは画素に直接動作する以下の複雑な問題を提示した。を訓練されたCNNを用いたスーパーピクセルベースラプラシアン伝搬フレームワークを統合入力画像の固有構造を利用して空間的に一貫した顕著性マップを抽出した。三データセット上での包括的な定量的および定性的実験的評価により,提案した方法が最先端の手法を一貫して上回ることを示した。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： 屈曲度 ,  ニューラルネットワーク ,  相互作用 ,  画像 ,  *待ち行列 ,  画素 ,  コントラスト ,  コンピュータビジョン ,  畳込み
準シソーラス用語： 特徴ベクトル ,  顕著性マップ ,  事前分布 ,  *物体検出 , 【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 (2件)： 融合 ,  物体検出