文献

J-GLOBAL ID：201802280408515503   整理番号：18A0095196

ブートストラップアルゴリズムによる有意性検出【JST・京大機械翻訳】

Saliency detection based on guided Boosting method

著者 (4件)： Ye Zitong (武漢大学電子信息学院,武漢,430072) ,  Zou Lian (武漢大学電子信息学院,武漢,430072) ,  Yan Jia (武漢大学電子信息学院,武漢,430072) ,  Fan Cien (武漢大学電子信息学院,武漢,430072)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 9  ページ： 2652-2658  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 誘導学習に基づく既存の顕著性検出モデルに存在する訓練サンプルの不完全性と特徴抽出方式が簡単すぎない問題に対して、改良したブートストラップ(Boosting)に基づくアルゴリズムを提案し、顕著性を検出した。訓練サンプル集合の精度を向上させ,特徴抽出を改善することにより,学習効果の向上を達成することができた。まず、顕著性検出のボトムアップモデルにより、粗選択サンプル図を生成し、セルラオートマトンにより、粗選択サンプル図に対して迅速かつ有効な最適化を行い、信頼できる誘導サンプルを構築し、原画像のラベル付けを行い、訓練サンプルセットを作成した。次に,訓練集合上で色テクスチャ特徴を抽出した。最後に、異なる特徴の異なる核のサポートベクトルマシン(SVM)の弱分類器を用いて、Boosting学習に基づく強い分類器を生成し、各画像の超ピクセル点に対して前景背景分類を行い、顕著な図を得た。ASDデータベースとSED1データベースにおける実験結果は,このモデルが複雑で単純な画像に対して完全な明瞭なグラフを生成でき,正確な再現率曲線と曲線下面積(AUC)の評価値が大きく向上することを示した。その正確さにより,コンピュータビジョンの前処理段階に適用できる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習 ,  サポートベクトルマシン ,  血中濃度-時間曲線下面積 ,  画素 ,  コンピュータビジョン ,  特徴抽出 ,  *ブートストラップ ,  *アルゴリズム ,  データベース ,  画像 ,  セルラオートマトン
準シソーラス用語： 再現率 ,  前景 ,  テクスチャ特徴 ,  学習効果 , 【Automatic Indexing@JST】

著者キーワード (5件)： saliency detection ,  boosting ,  bottom-up model ,  coarse reference optimization ,  color feature extraction

分類 (1件)： 数値計算  (JE02000J)