文献

J-GLOBAL ID：201802247479401897   整理番号：18A1255351

条件付き確率場と結合した超画素セグメンテーションを用いた自動舗装オブジェクト検出【JST・京大機械翻訳】

Automatic Pavement Object Detection Using Superpixel Segmentation Combined With Conditional Random Field

著者 (3件)： Sultani Waqas (Center for Research in Computer Vision, University of Central Florida, Orlando, FL, USA) ,  Mokhtari Soroush (Department of Civil, Environmental and Construction Engineering, University of Central Florida, Orlando, FL, USA) ,  Yun Hae-Bum (Department of Civil, Environmental and Construction Engineering, University of Central Florida, Orlando, FL, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 19  号： 7  ページ： 2076-2085  発行年： 2018年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 舗装画像は,車線マーカ,マンホールカバー,パッチ,ポホール,およびカービングのような様々なオブジェクトを含んでいる。ランダム形状,色,サイズを持つこれらの様々な物体を検出するためには,正確でロバストなコンピュータビジョンアルゴリズムが必要である。本論文では,統一されたフレームワークを用いて,舗装画像における自動オブジェクト検出の問題に取り組んだ。効率的な方法で任意形状の物体を検出するために,最初に画像をスーパーピクセルと呼ばれる小さな一貫した領域に分割した。これらのスーパーピクセルは高速で,オブジェクト境界を計算し保存する。次に,各スーパーピクセル内のいくつかのテクスチャと強度特徴を計算した。その後,著者らは,すべての特徴のためのサポートベクトルマシン(SVM)分類装置を,1つの頂点すべてのパラダイムにおいて別々に訓練した。テストにおいて,著者らは最初に,これらのSVM分類装置を用いて,興味のあるいくつかの対象の部分である各スーパーピクセルの確率を推定した。これらのスーパーピクセルの確率的スコアは独立に計算されるので,それらは近傍一貫性を保存しない。したがって,スーパーピクセル近傍ラベル一貫性を強化するために,文脈最適化技術,すなわち条件付きランダムフィールド(CRF)を使用する。CRFの出力は,物体と背景に対する画素ごとの二値ラベルマップである。さらに,舗装オブジェクトの検出評価のための公開可能なデータセットの欠如により,舗装画像のための新しい挑戦的なオブジェクト検出データセットを導入した。このデータセットに関する広範な実験を行い,有望な結果を得た。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類装置 ,  *画素 ,  コンピュータビジョン ,  画像 ,  最適化手法 ,  ロバスト性 ,  *舗装 ,  サポートベクトルマシン ,  高速度 ,  *セグメンテーション
準シソーラス用語： *確率場 ,  近傍 ,  スコア ,  質感 ,  *物体検出 ,  条件つき確率場 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： 条件付き確率場 ,  画素 ,  セグメンテーション ,  舗装 ,  オブジェクト検出