文献

J-GLOBAL ID：201802268500588980   整理番号：18A1617580

エッジ検出のためのハイブリッド畳込み特徴の学習【JST・京大機械翻訳】

Learning hybrid convolutional features for edge detection

著者 (4件)： Hu Xiaowei (CCCE, Nankai University, Tianjin 300350, PR China) ,  Liu Yun (CCCE, Nankai University, Tianjin 300350, PR China) ,  Wang Kai (CCCE, Nankai University, Tianjin 300350, PR China) ,  Ren Bo (CCCE, Nankai University, Tianjin 300350, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 313  ページ： 377-385  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： エッジ検出のためにハイブリッド畳込み特徴(HCF)を生成する異なる中間層から抽出されたマルチレベル情報を効果的に融合できる新しい畳込みニューラルネットワーク(CNN)ベースのパイプラインを提案した。以前の方法とは異なり,提案した方法は,特徴マップに基づく方法でマルチレベル情報を融合する。生成したハイブリッド畳込み特徴を用いて,高品質エッジ検出を行うことができた。また,エッジ検出器は,後処理なしに画像から画像へのエッジを検出するので,計算的に効率的である。著者らは,BSDS500,NYUD,およびマルチを含むエッジ検出のために3つの広く使用されているデータセットに関する提案方法を評価して,また,オブジェクト輪郭検出のためにPascal VOCの12のデータセットに関する方法をテストした。結果は,HCFがすべての4つのデータセットに関する最先端の方法の上で性能における改良を達成することを示した。BSDS500データセットに関して,提案した方式の効率的バージョンは,22fpsの速度で0.804のODS Fスコアを達成して,高精度バージョンは11fpsで0.814のODS Fスコアを達成した。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： *エッジ検出 ,  画像 ,  *畳込み ,  後処理
準シソーラス用語： 高精度 ,  スコア ,  輪郭抽出 ,  高品質 ,  特徴マップ ,  畳込みニューラルネットワーク ,  マルチレベル ,  中間層 , 【Automatic Indexing@JST】

著者キーワード (5件)： エッジ検出 ,  ハイブリッド畳込み特徴 ,  特徴統合 ,  高精度 ,  ヒューマンパフォーマンス

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： エッジ検出 ,  畳込み ,  学習