文献

J-GLOBAL ID：201702262962641831   整理番号：17A1728093

オブジェクトと属性による弱教師つき画像アノテーションとセグメンテーション【Powered by NICT】

Weakly-Supervised Image Annotation and Segmentation with Objects and Attributes

著者 (4件)： Shi Zhiyuan (Department of EECS, Queen Mary University of London, London, United Kingdom) ,  Yang Yongxin (Department of EECS, Queen Mary University of London, London, United Kingdom) ,  Hospedales Timothy M. (Department of EECS, Queen Mary University of London, London, United Kingdom) ,  Xiang Tao (Department of EECS, Queen Mary University of London, London, United Kingdom)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 12  ページ： 2525-2538  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： Flickrのような媒体共有サイト上にも豊富で弱標識画像から学習したノンパラメトリックBayesモデルを用いた複雑なビジュアルシーンをモデル化するために提案した。それらの間の位置または関連無しオブジェクトと属性の弱い画像レベルアノテーションを考慮すれば,我々のモデルは,物体と属性クラスの出現だけでなく,各オブジェクトインスタンスに対するそれらの関係を学習することを目的とした。学習,画像を与えられた後,(物体検出と意味的セグメンテーション)著者らのモデルは関節とコヒーレント的にビジョン問題の数,シーン(自動オブジェクトアノテーション)における物体の認識を含むに取り組むために,その属性(属性予測と関連),および局在を用いた物体記述と物体の輪郭を描くことができる。これは潜在因子としてオブジェクトと属性をモデル化する新しい弱教師つきMarkov確率場積層インドバフェットプロセス(WS MRF SIBP)を開発することにより達成され,内およびスーパーピクセルを横切るそれらの相関を明示的に捉えた。ベンチマークデータセット上で包括的な実験を行い,著者らの弱教師つきモデルは弱教師つき代替案の性能を著しく上回るとしばしばオブジェクト属性関係に基づく意味的セグメンテーション,自動画像アノテーションおよび検索を含む色々なタスクに関する既存の強く監視モデルと同等であることを示した。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： モデル ,  媒質 ,  コンピュータビジョン ,  *セグメンテーション ,  *画像 ,  モデリング ,  コヒーレンス ,  ノンパラメトリック法 ,  予測
準シソーラス用語： 自動画像アノテーション ,  Markov確率場 ,  物体検出 ,  Bayes法 ,  *画像アノテーション , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： オブジェクト ,  属性 ,  教師 ,  画像アノテーション ,  セグメンテーション