文献

J-GLOBAL ID：202002223303488263   整理番号：20A0265551

深部ストロークに基づくスケッチシンボル再構成とセグメンテーション【JST・京大機械翻訳】

Deep Stroke-Based Sketched Symbol Reconstruction and Segmentation

著者 (2件)： Kaiyrbekov Kurmanbek (Koc, University) ,  Sezgin Metin (Koc, University)
資料名： IEEE Computer Graphics and Applications  (IEEE Computer Graphics and Applications)
巻： 40  号： 1  ページ： 112-126  発行年： 2020年 
JST資料番号： E0996A  ISSN： 0272-1716  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： 手書き物体は通常複数の意味的に意味のある部分から構成されている。本論文において,著者らは,スケッチされた記号をストロックレベル成分に分割するニューラルネットワークモデルを提案した。著者らのセグメンテーションフレームワークには,特徴に基づくコンポーネントを同定する固定特徴抽出器と多層パーセプトロン(MLP)ネットワークの2つの主要要素がある。特徴抽出器として,著者らは,ストローク毎にシンボルを再構成する新しく提案された生成変分自動符号器(VAE)モデルである,ストロクーンの符号器を利用した。実験は,単一符号器が,セグメンテーション精度に及ぼす無視できる影響で,スケッチ記号の多重カテゴリーを分割するために再利用できることを示した。著者らのセグメンテーションスコアは,利用可能な小型最先端データセットに関する既存の方法論を上回る。さらに,著者らの新しく注釈された大規模データセットに関する広範な評価は,著者らのフレームワークがベースラインモデルと比較して有意により良い精度を得ることを実証した。コミュニティにデータセットをリリースした。Copyright 2020 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： 再利用 ,  多層パーセプトロン ,  ネットワーク ,  特徴抽出 ,  抽出装置 ,  基準線 ,  *セグメンテーション ,  多重化 ,  変分法 ,  コミュニティ ,  符号器 ,  再構成
準シソーラス用語： 大規模データセット ,  スケッチ ,  神経回路網モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深部 ,  ストローク ,  スケッチ ,  シンボル ,  再構成 ,  セグメンテーション