抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
コンテンツ認識画像は,重要なオブジェクトと領域を触れることなく画像のサイズを低減することを目的としている。シームカービングにおいて,これはエネルギー関数による各画素の重要性を評価し,高エネルギーで画素を避ける画素の列を繰り返し除去することにより行われる。しかし,すべての画像に対して最良の単一エネルギー関数は存在しない:最適エネルギー関数は画像の関数である。本論文では,異なるエネルギー関数を持つ画像をレジストレーションする結果の品質を予測するための方法を示し,そのために特別な画像に最も適したエネルギーを選択した。分類問題として選択を定式化した。すなわち,エネルギーの一つが最良に動作する画像のクラスに入力を分類する。標準アプローチは分類にCNNを使用する。しかし,完全に接続された層力の存在は,固定サイズへの入力を抵抗させる。これは,有用な情報,特に,シームカービングに使用されるエネルギーにより密接に関係する低レベルの特徴を得る。代わりに,内部畳込み層から特徴を抽出し,それは入力サイズに関係なく固定長ベクトルをもたらし,それをサポートベクトルマシンで分類することを可能にした。分類問題としてのアルゴリズム選択のこの定式化は,特定の画像処理タスクに対する複数のアプローチがある場合にはいつでも使用できる。著者らは,著者らの手法が最近のシームカービングアプローチよりも優れているユーザ研究により,このアプローチを検証した。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】