文献

J-GLOBAL ID：201802266204483575   整理番号：18A0441859

非凸構造化行列分解を介した顕著なオブジェクトの検出【Powered by NICT】

Salient Object Detection Via Nonconvex Structured Matrix Decomposition

著者 (3件)： Zhang Xiaoting ,  Sun Xiaoli ,  Zhang Xiujun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CIS  ページ： 120-124  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： 顕著物体検出では,画像の特徴行列は低ランク行列と疎行列,背景と顕著な領域に対応するとして表現できた。一般に,ランク機能は核ノルムで近似した。しかし,核型ノルム最小化問題を解く通常準最適解を導いた。この問題に対処するために,著者らは新規な非凸構造行列分解モデル,ランク関数を近似するために,行列の特異値に非凸代替(すなわち,ロジスティック関数のl1ノルム)を用いてを提案した。添加では,本モデルは二つの構造正則化:各スーパーピクセル間の関係を探索するグループスパース性誘導ノルム正則化を含み,顕著な物体は一貫して強調し,顕著な領域間の距離と特徴空間における非顕著性領域を増加させるためにラプラシアン正規化にした。最後に,高レベル事前確率は著者らのモデルに統合した。実験結果は,このモデルが最先端手法と比較してより良い性能を達成できることを示した。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： コンピュータビジョン ,  正則化 ,  最小化問題 ,  Laplace演算子 ,  モデル ,  事前確率 ,  正規化 ,  画像 ,  *ノルム ,  スパース行列
準シソーラス用語： 特徴空間 ,  スパース性 ,  特異値 ,  準最適解 ,  物体検出 ,  *行列分解 , 【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 (3件)： 凸構造 ,  行列分解 ,  オブジェクト