文献

J-GLOBAL ID：201902288341925625   整理番号：19A1787835

キーポイント認識のための畳込みランダム化二値特徴【JST・京大機械翻訳】

Convolutional Randomized Binary Features for Keypoints Recognition

著者 (3件)： Zhang Jinming (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Feng Zuren (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Li Gang (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1043  ページ： 492-504  発行年： 2019年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ランダム化二値特徴を用いてキーポイントを認識した。しかしながら,既存の方法は,それらのサンプリング操作を生またはぼけた画像に適用する。畳込みニューラルネットワークの大きな成功は,畳込み演算子が強力な特徴抽出器であることを証明した。そこで,畳込み特徴抽出器を用いて二値特徴抽出器を結合し,畳込みランダム化二値特徴を生成することを試みた。この方法では,まず,画像に対する多層畳込み特徴マップを生成し,これらの畳込み特徴マップ上のサンプルに事前生成サンプリング演算子を適用する。最後に,すべてのサンプリング値を,バイト様特徴ベクトルに二値符号化した。従来の二値特徴の基本サンプリング演算子は,多層画像に適さない二つの点だけを持っている。一方,多層畳込み特徴マップを観察するために用いた基本サンプリング演算子は,RID(ランダム化強度差)演算子である。畳込み特徴マップにRIDを適用する戦略は,二値特徴品質を改善することができる。著者らの方法をいくつかの画像データセットに関する最新の方法と比較した。実験結果は,著者らの方法の優れた性能を示した。Copyright 2019 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  *畳込み ,  画像 ,  多層 ,  品質 ,  バイト
準シソーラス用語： 画像データ ,  バイナリコード ,  特徴ベクトル ,  特徴マップ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： ランダムな特徴 ,  二値特徴 ,  畳込み特徴

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込み ,  ランダム化 ,  二値