文献

J-GLOBAL ID：201802232377502923   整理番号：18A0267556

テクスチャ記述子のための局所記述子と非バイナリ符号化のGauss関数のための視覚的特徴のアンサンブル【Powered by NICT】

An ensemble of visual features for Gaussians of local descriptors and non-binary coding for texture descriptors

著者 (4件)： Nanni Loris (DEI, University of Padua, viale Gradenigo 6, Padua, Italy) ,  Paci Michelangelo (BioMediTech Institute and Faculty of Biomedical Sciences and Engineering, Tampere University of Technology, BioMediTech, Tampere, Finland) ,  Brahnam Sheryl (Computer Information Systems, Missouri State University, 901 S. National, Springfield, MO 65804, USA) ,  Ghidoni Stefano (DEI, University of Padua, viale Gradenigo 6, Padua, Italy)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 82  ページ： 27-39  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  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)

抄録/ポイント： 本論文では,局所記述子のGauss関数は(GOLD)と呼ばれる,最近の最新のテクスチャ記述子の改良版,原画像を記述する局所特徴分布をモデル化する多変量Gaussに基づいているを示した。Riemann多様体上のある,フルランク共分散行列を正接Euclid空間上に投影され,与えられた画像を表現するための平均ベクトルに連結した。本論文では,元の画像を記述するための以下の特徴を試験:スケール不変特徴変換(SIFT),勾配のヒストグラム(H OG),とWeberの法則記述子(WLD)。金のベースラインバージョンを改善するために,サポートベクトルマシン(SVM)のセットに入力することを視覚特徴のセットを用いて共分散行列を記述した。SVMは総和則によって結合された。視覚特徴を用いて訓練された元の金アプローチとSVMを用いて訓練されたSVMにより得られたスコアは,総和則によって結合された。実験は筆者らの提案した変異体は,元の金アプローチよりも優れていることを示した。提案システムの優れた性能は,多数のデータセットによって検証した。特に興味深い二つの広く用いられている人物再認識データセット,CAVIAR4REIDとIASの得られた性能,提案した金変異体はこれら二データセット上での性能の改善を得るための最先端レベルアンサンブルと結合している。さらに,非二値特徴(局所三元/五元パターン)と深いトランスファー学習を用いた金を組み合わせた更なる試験を行った。三元/五成分符号化集合を用いて訓練された深い特徴とSVMを用いて訓練されたSVM間の融合は,データセットの非常に高い性能を得ることを実証した。クラシファイア・アンサンブルと特徴の抽出のためのMATLABコードを将来の比較のための他の研究者に公開されている~11https://www.dei.unipd.it/node/2357(+パターン認識とアンサンブル分類器)である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ベクトル ,  画像 ,  Riemann空間 ,  サポートベクトルマシン ,  総和則 ,  パターン認識 ,  モデリング ,  *符号化 ,  ヒストグラム ,  分級機 ,  金 ,  Euclid空間
準シソーラス用語： MATLAB ,  共分散行列 ,  *Gauss関数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像分類 ,  テクスチャ ,  画像処理 ,  記述子のアンサンブル ,  人物再同定

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： テクスチャ ,  記述子 ,  バイナリ ,  符号化 ,  Gauss関数 ,  視覚的特徴 ,  アンサンブル