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。
画像における顕著なオブジェクトの自動検出は,近年の多くの視覚タスクにおけるその利用のためのコンピュータビジョン分野におけるその人気を獲得した。深さ情報は人間の視覚システムにおいて重要な役割を果たしているが,それはほとんどの既存の二次元(2-D)顕著性検出法では利用されていない。本論文では,多層セルラオートマトン(MCA)に基づく最小障壁距離変換と顕著性融合による多段階突出物体検出フレームワークを提案した。まず第一に,著者らは独立して三次元空間的事前,深さバイアス,およびRGB生成と深さによって誘発された顕著性マップを作り出す。次に,二つの顕著性マップを深さバイアスにより重み付けし,二つの初期マップを得た。次に,著者らは,より正確な深さによって誘発された顕著性マップを作り出すために,顕著性最適化ステップを採用した。さらに,最初のRGB生成と最適化された深さ誘起マップを,さらに3次元空間事前と融合させた。最後に,著者らは,以前に生成されたすべての顕著性マップを融合するためにMCAを利用して,完全な顕著なオブジェクトによって最終的な顕著性結果を得た。提案した方法を公開可能なベンチマークデータセット,RGBD1000上で評価した。いくつかの最先端の2-Dおよび深さ認識手法と比較して,実験結果は,著者らの方法の有効性および優位性を実証した。それは,RGB-D画像から顕著なオブジェクトを正確に検出することができて,最も満足できる全体的性能を持った。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】