文献

J-GLOBAL ID：201902254697972625   整理番号：19A0988140

グラフマッチングの漸進的分解【JST・京大機械翻訳】

Progressively Decomposing Graph Matching

著者 (4件)： Yu Jin-Gang (School of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Xiao Lichao (School of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Ou Jiarong (School of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Liu Zhifeng (School of Automation Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 45349-45359  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： グラフマッチングに対する既存のアプローチは,主に2つのタイプ,すなわちKoopman-BeckmannのQAP定式化(KB-QAP)とLawlerのQAP定式化(L-QAP)を含んでいる。前者はスケーラビリティにおいて有利であるが,一般性において不利であるが,後者は正確に反対である。本論文では,KB-QAPのスケーラビリティとL-QAPの一般性のメリットを同時に持つことができる,漸進的分解グラフマッチング(PDGM)と呼ばれる新しいグラフマッチング法を提案した。著者らの方法は,KB-QAPのマッチング精度が,定式化に誘導項を適切に導入することによって劇的に押し上げることができるという重要な観察によって動機づけられる。この観察に基づいて,提案したPDGM法は,主に2つの反復ステップ,すなわち誘導KB-QAPを解き,誘導行列を更新することを含む誘導項を通してKB-QAPの最適化手順にエッジ親和性情報を徐々に組み込んだ。合成データと実画像データセットの両方に関する広範な実験により,この方法が雑音/変形と異常値に対するロバスト性,および有効性と計算効率の間の良好なバランスに関して最先端技術を凌駕できることを実証した。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】

シソーラス用語： 雑音 ,  定式化 ,  親和性 ,  異常値 ,  最適化 ,  普遍性 ,  ロバスト性 ,  *マッチング ,  有効性 ,  画像
準シソーラス用語： 最先端技術 ,  計算効率 ,  *グラフマッチング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： グラフマッチング ,  分解