文献

J-GLOBAL ID：201802268487869426   整理番号：18A1688742

スケール関係多層プーリング特徴を用いた移動鋳造影検出【JST・京大機械翻訳】

Moving cast shadow detection using scale-relation multi-layer pooling features

著者 (3件)： Lin Chih-Wei (College of Computer and Information Sciences, Fujian Agriculture and Forestry University, China) ,  Lin Chih-Wei (College of Forestry, Fujian Agriculture and Forestry University, China) ,  Lin Chih-Wei (Forestry Post-doctoral Station of Fujian Agriculture and Forestry University, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 55  ページ： 504-517  発行年： 2018年 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 移動鋳造影検出と除去は,物体検出に不可欠であり,長年にわたって研究されてきた視覚監視応用における問題である。しかしながら,様々な状況における移動鋳造影の問題を扱うことができる効率的なモデルの発見は,依然として困難である。以前の方法と異なり,著者らは,移動鋳造影の問題を扱うために,強いパラメトリック仮定または複雑なモデルなしで,データ駆動法を用いた。本論文では,2つの主要なタスクを含むスケール関係多層Pooling特徴抽出(SMPF)と呼ばれる新しい特徴抽出フレームワークを提案した。(1)スケール関係スキーム(SRS),(2)多層Pooling Scheme(MLPS)。スケール空間を活用することにより,SRSは最初に各影特性の特徴画像を様々なスケールに分解し,さらにスケール関係特徴を抽出するために各影特性の隣接スケール特徴画像間の関係を考慮した。次に,局所領域における特徴を統合し,抽出特徴の次元を低減するために,多層プール方式(MLPS)を設計した。その後,低次元の影の種々の特性に対して密度マップを生成した。最後に,移動鋳造影を識別するための基準を探索するために,ランダムフォレストアルゴリズムをアンサンブル決定スキームとして用いた。本研究の主な貢献は,(1)移動鋳造影を記述するための豊富な情報を提供できるマルチスケールを持つ特徴を設計し,(2)多層プール方式は,特徴の次元を統合し,低減するために密度マップを生成する。ベンチマークによるポピュラーなベンチマークと提案したデータセットに関する実験は,提案した方法がポピュラーな方法論の性能を達成できることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *多層 ,  画像 ,  ベンチマーク ,  *鋳造 ,  アルゴリズム ,  コンピュータビジョン ,  特徴抽出
準シソーラス用語： マルチスケール ,  ランダムフォレスト ,  低次元 ,  スケール空間 ,  データ駆動 ,  物体検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 影除去 ,  移動鋳造影 ,  スケール関係 ,  多層プーリング ,  アンサンブル決定スキーム

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 (4件)： スケール ,  多層 ,  鋳造 ,  影