文献

J-GLOBAL ID：201802236048673331   整理番号：18A0164387

クラッタのあるシーンのための最適背景モデリング【Powered by NICT】

Optimal background modeling for cluttered scenes

著者 (2件)： Shahbaz Ajmal (Intelligent Systems Laboratory, Graduate School of Electrical Engineering, University of Ulsan, Ulsan 44610, Korea) ,  Jo Kang-Hyun (Intelligent Systems Laboratory, Graduate School of Electrical Engineering, University of Ulsan, Ulsan 44610, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IECON  ページ： 5240-5244  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： 本論文では,乱雑なシーンのための最適背景モデリング方式を提案した。背景初期化は,移動情報をセグメント化の過程の最初の段階である。コンクリート背景モデルは,シーンからの移動情報の適切なセグメンテーションを保証する。各ピクセルはGaussの混合物としてモデル化した。意思決定基準を用いて,背景/前景画素を区別した。背景維持段階の間,三つの異なる学習率を用いてモデルを更新した。短期,中期,長期背景モデルを構成する。各学習速度で得られた背景モデルを時間メディアンフィルタリングを別々に用いた拡張した。最後に,三背景モデルは平均二乗誤差(MSE)に基づく損失関数を用いたグランドトルースと比較した。最小MSE値と背景モデルは最適背景モデルとして選択した。提案した方法は,オンライン入手可能な標準データセットで試験した。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： 画素 ,  コンクリート ,  学習 ,  *クラッタ ,  意思決定 ,  *モデリング ,  損失関数 ,  セグメンテーション
準シソーラス用語： オンライン ,  グランドトゥルース ,  平均二乗誤差 ,  学習速度 ,  前景 ,  背景モデル ,  *背景モデリング , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： クラッタ ,  シーン ,  背景モデリング