屋外環境のための機械視覚における動的テクスチャ認識と位置決め【JST・京大機械翻訳】

Kaltsa Vagia; Kaltsa Vagia; Avgerinakis Konstantinos; Briassouli Alexia; Kompatsiaris Ioannis; Strintzis Michael G.

文献

J-GLOBAL ID：201802224032192858 整理番号：18A0814655

屋外環境のための機械視覚における動的テクスチャ認識と位置決め【JST・京大機械翻訳】

Dynamic texture recognition and localization in machine vision for outdoor environments

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0814655&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0814655&from=J-GLOBAL&jstjournalNo=A0575B") }}

著者 (6件)： , , , , ,
資料名：
巻： 98 ページ： 1-13 発行年： 2018年
JST資料番号： A0575B ISSN： 0166-3615 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)

本研究は,監視カメラによって捕捉されたビデオシーケンスにおける広範囲の動的テクスチャの検出と位置決めに焦点を合わせた。それらの信頼性のあるロバストな解析は,オクルージョンのような障壁,移動エンティティの高度に非剛体性,およびそれらの運動の複雑な確率的性質のために,従来のコンピュータビジョン法に対する挑戦的なタスクを構成する。これらの問題を扱うために,新しいハイブリッドフレームワークを導入し,局所的および全体的スケールの両方に関する表現を組み合わせた。Fisher符号化による新しい手書き局所二値パターン(LBP)フロー記述子を最初に用いて,低レベルのテクスチャ動力学を効果的に捕捉し,ニューラルネットワーク(NN)を,より高いレベル,より深い,より効果的な表現方式を得るために展開し,挑戦的な動的テクスチャクラスをロバストに識別できる。多重スケール超画素クラスタ化に基づく新しい位置決め方式を導入して,局所的および全体的スケールに関するテクスチャパターンを検出するために,逐次ビデオフレームの内部および全体を通した。種々の挑戦的ベンチマークデータセットに関する実験は,著者らの方法の有効性と普遍性を証明し,顕著な認識と位置決め精度率が低い計算コストで達成され,実世界の屋外応用に適している。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

CAD,CAM

, ,

前のページに戻る