文献

J-GLOBAL ID：201802265652733789   整理番号：18A0518966

高クラッタ自然情景からの深層ニューラルネットワーク特徴領域における物体セグメンテーション【Powered by NICT】

Object segmentation in the deep neural network feature domain from highly cluttered natural scenes

著者 (3件)： Yousif Hayder (University of Missouri-Columbia Dept of Electrical and Computer Engineering) ,  He Zhihai (University of Missouri-Columbia Dept of Electrical and Computer Engineering) ,  Kays Roland (North Carolina State University, Dept of Forestry and Environmental Resources)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3095-3099  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： 深い畳込みニューラルネットワーク(DCNN)は種々の視覚解析タスクのための画像の効果的な階層的表現を提供し,分類と検出を含む。本論文では,伝統的なピクセルドメインの代わりにDCNN特徴領域における高度に乱雑な自然シーンからの背景モデリングおよびオブジェクトセグメンテーションを研究するために提案した。具体的には,最初の設計と動物ヒト背景物体分類,使用した多層特徴マップを生成するために入力画像を解析するために,動物ヒト背景分類器に異なる画像領域の応答を表しているのDCNNを訓練した。これら特徴マップから,グラフカットを用いて正確な動物と人のオブジェクトセグメンテーションのためのいわゆる深い目的性グラフを構築した。シーケンス内の各画像からセグメント化された物体領域を,背景モデリングを用いた時間領域における検証と融合した。DCNNは非常に計算量の多いことを認識し,複雑さと分類セグメンテーション性能間の良好なトレードオフを発見するDCNNの迅速で効率的な設計を調べた。著者らの実験結果は,提案した方法は高度に乱雑な自然シーンのカメラトラップデータセット上で既存の最新法より優れていることを実証した。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： 画像 ,  計算量 ,  動物 ,  *クラッタ ,  *セグメンテーション ,  ヒト ,  多層 ,  視覚
準シソーラス用語： 時間領域 ,  グラフカット ,  特徴マップ ,  オブジェクトセグメンテーション ,  背景モデリング ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： クラッタ ,  情景 ,  深層ニューラルネットワーク ,  物体 ,  セグメンテーション