文献

J-GLOBAL ID：202002262785795200   整理番号：20A0982047

GORFLM:線形モデルのための大域的最適ロバスト適合【JST・京大機械翻訳】

GORFLM: Globally Optimal Robust Fitting for Linear Model

著者 (12件)： Wang Yiru (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Wang Yiru (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China) ,  Liu Yinlong (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Liu Yinlong (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China) ,  Li Xuechen (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Li Xuechen (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China) ,  Wang Chen (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Wang Chen (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China) ,  Wang Manning (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Wang Manning (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China) ,  Song Zhijian (Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China) ,  Song Zhijian (Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Shanghai 200032, China)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 84  ページ： Null  発行年： 2020年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 雑音と異常値によって汚染されたデータにモデルを適合させることは,コンピュータビジョンにおける一般的なタスクであり,それは,しばしば,異常値集合を最大化することによって解決される。ほとんどの既存の方法は,異常値最大化に広く利用されている2つの技術により,大域的最適性を保証することができない。すなわち,候補モデルを生成するための無作為抽出と,異常値と異常値を分類するための残差に関する困難な閾値である。本論文では,Gauss関数の和を最小化するために,残差に対するソフト損失関数として負のGauss関数を使用し,モデルあてはめを定式化する決定論的大域最適線形モデル当てはめ法を提案した。目的関数の下限関数として凸二次関数を導き,それは分枝限定アルゴリズムにより大域的に最小化できる。実験は,提案方法がいくつかの典型的なCV問題に関して,特に異なる雑音レベルと多数のデータ点を有する複数のモデルがあるとき,最先端の方法を上回ることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  損失関数 ,  雑音指数 ,  残差 ,  分枝限定法 ,  目的関数 ,  コンピュータビジョン ,  異常値 ,  無作為抽出 ,  定式化 ,  *ロバスト性
準シソーラス用語： Gauss関数 ,  モデルあてはめ ,  *線形モデル ,  決定論 , 【Automatic Indexing@JST】

著者キーワード (4件)： ロバスト線形モデル適合 ,  大域的最適化 ,  分岐と限界 ,  Gauss関数

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 線形モデル ,  ロバスト