文献

J-GLOBAL ID：202102277078149551   整理番号：21A0565178

結合畳込みスパース符号化と特徴空間学習に基づくクロスモーダル画像マッチング【JST・京大機械翻訳】

Cross-Modal Image Matching Based on Coupled Convolutional Sparse Coding and Feature Space Learning

著者 (4件)： Wang Cuiyu (Shenzhen University,School of Electronic and Information Engineering,Shenzhen,China) ,  Zhang Kunhua (Shenzhen University,School of Electronic and Information Engineering,Shenzhen,China) ,  Chen Gao (Dongguan University of Technology,School of Electrical Engineering and Intelligentization,Dongguan,China) ,  Zhou Qingfeng (Dongguan University of Technology,School of Electrical Engineering and Intelligentization,Dongguan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSIP  ページ： 143-147  発行年： 2020年 
JST資料番号： W2441A  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)

抄録/ポイント： 結合スパース表現(CSR)は,近年,クロスモーダル画像マッチングにおいて大きな成功を達成した。本モデルは,認識目的のための交差ドメイン画像データを結合するための一般的特徴空間を観察するだけではなく,また,交差モード画像マッチングの精度を改善した。しかしながら,それは,結合スパース符号化段階で局所ベース方式を適用し,従って,交差モード画像マッチングの精度を改善するために非常に重要である,より深い画像特徴を抽出するのは難しい。この問題に取り組むために,本論文では,結合畳込みスパース符号化と特徴空間学習(CCSCL)に基づく反復交差モード画像マッチングアルゴリズムを提案した。既存のCSRベースクロスモーダル画像マッチング法とは対照的に,このモデルはCSRのいくつかの限界を克服するための大域的で柔軟な方法を提供する。全画像上で畳み込みスパース符号化と操作を用いることにより,CCSCLは画素間の相関を把握でき,より正確なモード特徴マップを得ることができる。中毒において,結合畳込みスパース係数の共通特徴空間と相関分析に基づく交差反復訓練アルゴリズムを導き,最適化問題を効率的に解いた。実験結果は,提案モデルが効果的に交差ドメイン画像マッチングに適用でき,98%のマッチング精度を達成することを示した。Copyright 2021 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： *畳込み ,  *学習 ,  最適化問題 ,  画素 ,  画像特性 ,  学習アルゴリズム
準シソーラス用語： 画像データ ,  相関分析 ,  *画像マッチング ,  *スパースコーディング ,  *特徴空間 ,  特徴マップ ,  スパース表現 ,  マッチングアルゴリズム , 【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 (5件)： 畳込み ,  スパース符号化 ,  特徴空間 ,  学習 ,  画像マッチング