文献

J-GLOBAL ID：201802215765806577   整理番号：18A1907432

グラフカットを用いた畳込みニューラルネットワークを用いた前景抽出手法【JST・京大機械翻訳】

A Foreground Extraction Approach Using Convolutional Neural Network with Graph Cut

著者 (5件)： Ullah Matee (Nanjing University of Science and Technology, School of Computer Science and Engineering, Nanjing, China) ,  Iltaf Adnan (Nanjing University of Science and Technology, School of Computer Science and Engineering, Nanjing, China) ,  Hou Qiujun (Nanjing University of Science and Technology, School of Automation, Nanjing, China) ,  Ali Farman (Nanjing University of Science and Technology, School of Computer Science and Engineering, Nanjing, China) ,  Liu Chuancai (Nanjing University of Science and Technology, School of Computer Science and Engineering, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIVC  ページ： 40-44  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： コンピュータビジョンの文献において,多くの技術がインタラクティブ画像セグメンテーションのためのそれらの可能性を実証した。しかしながら,これらの最先端のアルゴリズムのほとんどは,それらが種子の量と品質に非常に敏感であるので,より多くのユーザ相互作用なしで正確な境界を作ることができない。これらの技術は,しばしば,境界を微細化するために,より多くのユーザ相互作用に依存する。この問題を解決して,より少ないユーザ相互作用を通して正確な境界を得るために,本研究では,単一フォワードパス畳込みニューラルネットワーク(CNNs)とグラフカットフレームワークを介して,一般的マルチスケール指向輪郭に基づいて,ロバストなインタラクティブ画像セグメンテーション法を提案した。まず,CNNを利用して境界レベル情報を構築し,次にこの境界レベル情報をグラフカットフレームワークの境界エネルギー項と結合する。提案した方法は,ユーザ相互作用,滑らかな境界,正確なセグメンテーション,および変化を扱う能力に対するロバスト性において有意な漏れを示した。著者らは,種子に対する感度が制御され,精度が境界レベル情報により改善されることを示した。さらに,ベンチマークデータセットに関する定性的および定量的実験を行い,提案した方法が最先端の対話型画像セグメンテーション技術より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  品質 ,  精密化 ,  ベンチマーク ,  ロバスト性 ,  アルゴリズム ,  コンピュータビジョン ,  *セグメンテーション
準シソーラス用語： マルチスケール ,  最先端 ,  対話型画像セグメンテーション ,  *前景 ,  *畳込みニューラルネットワーク ,  *グラフカット , 【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 (4件)： グラフカット ,  畳込みニューラルネットワーク ,  前景 ,  手法