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。
【目的】ビデオターゲットセグメンテーションは,コンピュータビジョンの分野における重要な方向であり,既存の方法は,ターゲット形状が不規則で,フレーム間運動が,干渉情報と運動速度が速いとき,無力である。上記の不足に対して、特徴一致性に基づく分割アルゴリズムを提案した。【方法】分割アルゴリズムフレームワークはMarkov確率場(Markovrandomfield,MRF)に基づくグラフ理論である。Gauss混合モデルを使用して,あらかじめ与えられた標識領域に対して色特徴のモデリングを行い,分割のデータ項目を得た。色,オプティカルフロー方向などの多くの特徴を組み合わせて,時空平滑化項を確立した。この基礎の上で、特徴一致性に基づくエネルギー制約項を加え、分割結果の外観一致性を増強させる。このエネルギー自体は,エネルギー最適化の計算の複雑さを劇的に増加させる高次エネルギー制約である。そのため、補助ノードを追加し、エネルギーの最適化問題を解決し、アルゴリズム速度を高める。結果:DAVIS_2016(denselyannotatedvideosegmentation)データセット上で、このアルゴリズムに対して評価とテストを行い、最新の図論に基づく方法と比較した。比較アルゴリズムには、主にHVS(efficienthierarchicalgraph-basedvideosegmentation)がある。NLC(videosegmentationbynon-localconsensusvoting)。BVS(bilateralspacevideosegmentation)とOFL(videosegmentationviaobjectflow)。本論文のアルゴリズムの分割結果の精度は2番目であり,OFLアルゴリズムより1.6%低く,アルゴリズムの操作速度において,このアルゴリズムは,特に,OFLアルゴリズムの6倍近くである。結論:提案した分割アルゴリズムはMRFフレームワークの基礎の上で特徴一致性の制約を融合し、余分な計算の複雑さを増加せずに、分割精度を高め、アルゴリズムの運行速度を上げた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】