抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Semantic segmentationを行うDNNをトレーニングするためには大量の領域分割画像が必要になる。この画像を人手で作成する際に,あらかじめ物体の境界にまたがらない小領域に分割するGUIが利用できれば,作業量を大幅に減らすことができる。本研究はこのような応用のために,領域分割の精度向上を目指す。領域分割の一手法として,隣接するSuperpixelを初期値とする領域を頂点とし,その内部の色分布の類似性を辺の重みとしたグラフに基づいて頂点の統合を反復する手法がある。この手法は動画像の領域分割にも容易に拡張できる。しかし,色分布間のみを用いた手法では,照明などの影響による画素値の変化によって,統合が阻害されることがある。このように本来統合されるべきであった領域間の境界形状は複雑になることが多いため,本研究では領域間の色分布の類似性に加えて,領域間の境界形状の複雑さも統合の起こりやすさの基準としてグラフの辺の重み付けをする方法を提案する。BSDS300データセットを用いた実験を通じて,本手法により精度が向上することを確認した。(著者抄録)