制限されたBoltzmannマシンのBayes驚きに基づく突出物検出【JST・京大機械翻訳】

Roy Rahul; Ghosh Susmita; Ghosh Ashish

文献

J-GLOBAL ID：202002237527692041 整理番号：20A2071567

制限されたBoltzmannマシンのBayes驚きに基づく突出物検出【JST・京大機械翻訳】

Salient Object Detection based on Bayesian Surprise of Restricted Boltzmann Machine

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2071567&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (3件)： , ,
資料名：
号： ICVGIP 2018 ページ： 1-8 発行年： 2018年
JST資料番号： D0698C 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,制限付きBoltzmannマシン(RBM)のBayes驚上昇をレバーグすることにより,顕著な物体検出のためのアルゴリズムを提案した。ここでは,RBMを入力画像からランダムにサンプリングしたパッチ上で訓練した。このランダムサンプリングにより,RBMは物体よりも背景パッチに曝露される可能性が高い。したがって,訓練されたRBMは,オブジェクトとは対照的に背景パッチに関して隠れ状態の自由エネルギーを最小化する。これは,自由エネルギー原理に従って,入力と再構成パッチ分布の間のKullback Leibler発散に基づく顕著性のための尺度であるBayes驚 minimizingを最小化することを意味する。したがって,訓練されたRBMを対象領域からパッチに曝すと,それは高い発散を持ち,次に高いベイジアン驚きを持っている。このように,高いベイジアン驚上昇を有するそのような画素は,顕著な画素として考慮することができた。各ピクセルに対して,近傍(同じサイズの訓練パッチ)を考慮し,再構成パッチを得るために訓練されたRBMに供給した。その後,各画素の入力と再構成された近傍の間のKullback Leibler発散を計算し,Bayesの驚きを測定し,行列の対応する位置に保存して顕著性マップを形成した。MSRA-10K,ECSSDおよびDUTSの3つのデータセットについて実験を行った。得られた結果は,提案した方法によって有望な性能を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る