文献

J-GLOBAL ID：201802255898712437   整理番号：18A0725216

自動文脈を用いた効率的な2Dおよび3Dファサードセグメンテーション【JST・京大機械翻訳】

Efficient 2D and 3D Facade Segmentation Using Auto-Context

著者 (4件)： Gadde Raghudeep (LIGM (UMR 8049), Ecole des Ponts, UPE, Champs-sur-Marne, Gaspard-Monge, UMR, France) ,  Jampani Varun (MPI-IS, Heisenbergstrasse, Stuttgart, Germany) ,  Marlet Renaud (LIGM (UMR 8049), Ecole des Ponts, UPE, Champs-sur-Marne, Gaspard-Monge, UMR, France) ,  Gehler Peter V. (BCCN, University of Tubingen, MPI-IS, University of Wuerzburg, Geschwister-Scholl-Platz, Tubingen, Germany)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 40  号： 5  ページ： 1273-1280  発行年： 2018年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 本論文では,建物ファサードの2D画像と3D点雲に対する高速で効率的なセグメンテーション技術を紹介した。建物のファサードは高度に構造化され,その結果,この問題のために提案された多くの方法は,この強い事前情報を利用することを目的としている。ほとんどの以前の研究とは対照的に,ほとんどドメイン独立で標準的なセグメンテーション法からなるシステムを記述した。著者らは,自動コンテキスト特徴を用いて一連のブースト決定木を訓練した。これは積層一般化を用いて学習される。著者らは,この技術が,すべての以前の公表された方法と比較して,より良い性能を発揮するか,または,すべての利用可能な2Dおよび3Dファサードベンチマークデータセットに関する経験的結果を提示することを見出した。提案した方法は実装が簡単で,拡張が容易で,テスト時間推論において非常に効率的である。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： 高速度 ,  *セグメンテーション ,  構造形成 ,  ディシジョンツリー ,  *ファサード ,  画像 ,  *三次元 ,  *二次元
準シソーラス用語： 事前知識 , 【Automatic Indexing@JST】

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 (5件)： 文脈 ,  2D ,  3D ,  ファサード ,  セグメンテーション