文献

J-GLOBAL ID：201802227908292928   整理番号：18A0186632

顕著性検出モデルは局所的および大域的特徴を併用した【Powered by NICT】

A saliency detection model combined local and global features

著者 (3件)： Wang Pin (School of Control Science & Engineering, Shandong University, Jinan 250061, China) ,  Tian Guohui (School of Control Science & Engineering, Shandong University, Jinan 250061, China) ,  Chen Huanzhao (School of Control Science & Engineering, Shandong University, Jinan 250061, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAC  ページ： 2863-2870  発行年： 2017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： 顕著性検出の現在のほとんどの方法は局所コントラストに多くを強調した画像の全体的な特徴を無視している。画像の詳細な特性は画像の局所的な比較に基づいて反映される。しかし,画像の全体的な顕著性を反映できない。本論文では,局所および大域的特徴を組み合わせた顕著性検出モデルを提案した。最初に,前景領域コントラスト法により生成された多モードと前景顕著性マップにより生成された背景顕著性マップを組合せて生成した局所特徴顕著性マップ。深い畳込みニューラルネットワーク(CNN)はスーパーピクセルブロックの中心,その標識は中心超画素のグランドトルースと全体像を訓練するために使用した。大域特徴顕著性マップを取得した。最終顕著性マップは局所的な顕著性と大域的顕著性マップを併せてによって示された。このアプローチはECSSD,PASCAL S,MSRA5000を含む三の公共データセット上で評価した。従来アルゴリズムと比較してより高いF値(高い)と同様に低いMAE値(低く)は,この方法で得られた。さらに,山東大学のサービスロボット実験室で収集した室内環境画像も提案した方法により良好な顕著性検出効果が得られた。Copyright 2018 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： 画像 ,  アルゴリズム ,  屋内環境 ,  画素 ,  多モード ,  コントラスト ,  *モデル
準シソーラス用語： サービスロボット ,  F値 ,  グランドトゥルース ,  畳込みニューラルネットワーク ,  局所特徴 ,  顕著性マップ ,  前景 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： モデル ,  併用