文献

J-GLOBAL ID：201902243274774160   整理番号：19A0512920

低ランク近似における多重スケール分解【JST・京大機械翻訳】

Multiscale Decomposition in Low-Rank Approximation

著者 (2件)： Abdolali Maryam (Department of Computer Engineering and Information Technology, Amirkabir University of Technology, Tehran, Iran) ,  Rahmati Mohammad (Department of Computer Engineering and Information Technology, Amirkabir University of Technology, Tehran, Iran)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 24  号： 7  ページ： 1015-1019  発行年： 2017年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  資料種別： 逐次刊行物 (A)
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： 低ランク近似法において,データ行列は2つのグローバル低ランクとスパース行列から構成されるとしばしば仮定されている。さらに,実際のデータ行列は,しばしば複数のスケールにおける局所パターンから成る。従来の低ランク近似技術は,データ行列から局所パターンを明らかにしない。本論文は,異なるスケールにおける低ランク成分へのマトリックスの分解に基づくアプローチを提示した。画像ピラミッドを用いた新しいフレームワークを提案した。最初に,非線形最適化を用いて多重スケールにおける低ランクパターンの位置決めと抽出を行った。実験により,提案手法は,顔画像における照明正規化の困難なタスクにおける低ランクパターンの抽出およびビデオデータにおける背景減算においてより効率的であることを示した。Copyright 2019 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： 正規化 ,  *角錐 ,  顔画像 ,  スパース行列 ,  照明 ,  画像
準シソーラス用語： 背景差分法 ,  映像データ ,  非線形最適化 ,  *マルチスケール ,  *低ランク近似 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 低ランク近似 ,  多重スケール ,  分解