文献

J-GLOBAL ID：201802244898426080   整理番号：18A0433644

顕著性の固結岩屑土:新しい顕著な物体検出法【Powered by NICT】

Saliency ranker: A new salient object detection method

著者 (4件)： Li Zun (Beijing Key Laboratory of Traffic Data Analysis and Mining, Department of Computer Science and Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Lang Congyan (Beijing Key Laboratory of Traffic Data Analysis and Mining, Department of Computer Science and Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Feng Songhe (Beijing Key Laboratory of Traffic Data Analysis and Mining, Department of Computer Science and Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Wang Tao (Beijing Key Laboratory of Traffic Data Analysis and Mining, Department of Computer Science and Engineering, Beijing Jiaotong University, Beijing 100044, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 50  ページ： 16-26  発行年： 2018年 
JST資料番号： W0218A  ISSN： 1047-3203  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： 最近,顕著性検出は,ラベル付き画像からの学習,さまざまな教師つき方法を設計したが活発な研究トピックになっている。多くの既存の方法は通常二値分類または回帰問題における顕著性検出性能は,顕著なオブジェクトの高価な画素アノテーションに強く依存しているとして顕著性検出。本論文では,限られた数の訓練データ,コスト高感度ラベルランキング法の強度を組み合わせた低ランク行列回復理論の電力とを有する新規ランキングのための学習モデルを開発することにより,この問題に対処する。各顕著性値のための二分決定を用いるよりもむしろ,提案アプローチでは,与えられた顕著性と推定関連の順で顕著性値をランク付けした。それに加えて,筆者らはまた,異なる顕著性ラベルマトリックスへの予測モデルを凝集し,低ランク行列回復問題による顕著性ランキングを解いた。困難なベンチマーク上での包括的な実験を行い,この方法の利点を検証した。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： ベンチマーク ,  電力 ,  高感度 ,  コンピュータビジョン ,  *等級づけ ,  画像 ,  アノテーション ,  予測モデル ,  学習モデル ,  画素
準シソーラス用語： 訓練データ ,  検出能 ,  二値分類 ,  *物体検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 顕著性検出 ,  ラベルランキング ,  マトリックス回収

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 固結 ,  物体検出