文献

J-GLOBAL ID：201902227425523706   整理番号：19A2777699

深さ融合に基づく顕著ターゲット検出アルゴリズム【JST・京大機械翻訳】

Salient Object Detection Based on Deep Fusion of Hand-Crafted Features

著者 (6件)： Zhang Dongming (国家計算机网絡応急処理協調中心 北京 100029) ,  Jin Guoqing (中国科学院計算技術研究所智能信息処理実験室 北京 100190) ,  Dai Feng (中国科学院計算技術研究所智能信息処理実験室 北京 100190) ,  Yuan Qingsheng (国家計算机网絡応急処理協調中心 北京 100029) ,  Bao Xiuguo (国家計算机网絡応急処理協調中心 北京 100029) ,  Zhang Yongdong (中国科学技術大学信息科学技術学院 合肥 230026)
資料名： Jisuanji Xuebao  (Jisuanji Xuebao)
巻： 42  号： 9  ページ： 2076-2086  発行年： 2019年 
JST資料番号： C2531A  ISSN： 0254-4164  CODEN： JIXUDT  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： 自然画像は様々な複雑な内容を含み、単一特徴に基づく顕著性検出アルゴリズムは複雑なシーンから人間の視覚に符合する顕著な目標を抽出できない。複数の顕著なグラフの融合は単一特徴による検出欠陥を補うか修正できるが、不合理な顕著な図融合方式はさらにアルゴリズムの検査性能を低下させるかもしれない。マルチグラフの有効な融合問題を解決するために,著者らは,深さコンボリューションニューラルネットワークに基づく特徴マップ深さ融合モデルを提案した。アルゴリズムは,ネットワーク入力として4つの低レベルのグラフを用いて,前融合と後融合の二重チャネル畳込みネットワークを用いて,画像の目立った目標を学習した。前融合チャネルは,マルチレベル全畳込みネットワークを用いて,ターゲットのエッジに敏感なグラフを生成し,そして,融合チャネルは,加重共有の浅層ネットワークを用いて,それぞれ,4つの目標オブジェクトの位置保持のための高レベル意味論的グラフを,得た。2つのチャネルの特徴マップは,4層の全畳込みネットワークによって最適化され,その結果,最終的グラフを得た。公開データセットに関する多くの実験は,提案したグラフ深さ融合アルゴリズムの有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 画像 ,  最適化 ,  チャネル ,  *アルゴリズム ,  有効性 ,  畳込み ,  意味論 ,  ネットワーク ,  視覚 ,  加重 ,  マルチレベル ,  *検出アルゴリズム ,  改変
準シソーラス用語： デュアルチャネル ,  特徴マップ ,  自然画像 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 融合 ,  ターゲット ,  検出アルゴリズム