文献

J-GLOBAL ID：202202213970028808   整理番号：22A0913548

RGBT画像顕著性検出のためのマルチグラフ融合と学習【JST・京大機械翻訳】

Multi-Graph Fusion and Learning for RGBT Image Saliency Detection

著者 (5件)： Huang Liming (School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Song Kechen (School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Wang Jie (School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Niu Menghui (School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China) ,  Yan Yunhui (School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 3  ページ： 1366-1377  発行年： 2022年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  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： RGBと熱赤外(RGBT)画像顕著性検出はコンピュータビジョンの分野で比較的新しい方向である。RGB画像とT画像の利点を結合することは,検出性能を著しく改良することができた。現在,RGBT顕著性検出に関する研究にはわずかな方法しかなく,画像サンプルの数は深層学習のための訓練要求に合致できないので,有効な教師なし方法を提案するのは価値がある。本論文では,マルチグラフ融合と学習に基づく教師なしRGBT顕著性検出法を提案した。最初に,RGB画像とT画像を境界情報に基づいて適応的に融合し,より正確なスーパーピクセルを生成した。次に,マルチグラフ融合モデルを提案し,マルチモーダル画像から有用な情報を選択的に学習した。最後に,グラフ親和性において良好な近傍を見つける理論を実装し,顕著性ランキングの2段階に対して異なるアルゴリズムを提案した。3つのRGBTデータセットに関する実験結果は,提案方法が最先端のアルゴリズムと比較して有効であることを示した。Copyright 2022 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： アルゴリズム ,  検出 ,  赤外線 ,  情報 ,  *画像 ,  画素 ,  検出法 ,  親和性 ,  等級づけ ,  コンピュータビジョン ,  機械学習
準シソーラス用語： 検出能 ,  マルチモダリティー画像 ,  深層学習 , 【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 (4件)： マルチ ,  グラフ ,  融合 ,  学習