文献

J-GLOBAL ID：201802276260136913   整理番号：18A1811361

k平均クラスタ化支援ニューロコンピューティングを用いた複雑な画像セグメンテーション【JST・京大機械翻訳】

Complex Image Segmentation using K-means Clustering aided Neuro-Computing

著者 (2件)： Barthakur Manami (Department of Electronics and Communication Engineering, Assam down town University, Guwahati, Assam, 781026, India) ,  Sarma Kandarpa Kumar (Department of Electronics and Communication Engineering, Gauhati University, Guwahati, Assam, 781014, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SPIN  ページ： 327-331  発行年： 2018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： 本論文において,複雑な背景における画像のセグメンテーションにおける利用のために,特定のクラスタリングアルゴリズムによって支援されたフィードフォワード形式における単純化ニューロコンピューティング構造を提案した。本研究では,K平均クラスタリングアルゴリズムの出力が画像中の関心領域(ROI)をラベル付けするために使用されるニューロコンピューティング構造の形成と訓練を考察し,ROIをターゲットとして用いた。この方法は,ニューラルコンピューティング構造を構成し訓練するための特徴抽出,領域成長または分割法を必要とせず,これは,(誤差)逆伝搬学習で訓練された多層パーセプトロン(MLP)である。ニューロコンピューティング構造は,訓練中の平均二乗誤差(MSE)を用いて評価される異なる訓練関数,単一,二重および三重隠れ層形式で訓練される。実験結果は,この方法が信頼性があり,実世界の状況に適していることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  特徴抽出 ,  *セグメンテーション ,  学習 ,  分割法 ,  簡素化 ,  *画像 ,  多層パーセプトロン ,  フィードフォワード ,  *クラスタ化
準シソーラス用語： 隠れ層 ,  平均二乗誤差 ,  クラスタリングアルゴリズム ,  *画像セグメンテーション ,  *ニューロコンピューティング , 【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)： 平均 ,  クラスタ化 ,  支援 ,  ニューロコンピューティング ,  画像セグメンテーション