文献

J-GLOBAL ID：202202279533363104   整理番号：22A1163725

Weibull分布による局所非類似性マップのモデリング-2クラスとマルチクラス画像分類への応用【JST・京大機械翻訳】

Modeling a Local Dissimilarity Map With Weibull Distribution-Application to 2-Class and Multi-Class Image Classification

著者 (5件)： Diaw Moustapha (CReSTIC, EA 3804, University of Reims Champagne-Ardenne, IUT Troyes, Troyes, France) ,  Delahaies Agnes (CReSTIC, EA 3804, University of Reims Champagne-Ardenne, IUT Troyes, Troyes, France) ,  Landre Jerome (CReSTIC, EA 3804, University of Reims Champagne-Ardenne, IUT Troyes, Troyes, France) ,  Retraint Florent (LIST3N, University of Technology of Troyes (UTT), Troyes, France) ,  Morain-Nicolier Frederic (CReSTIC, EA 3804, University of Reims Champagne-Ardenne, IUT Troyes, Troyes, France)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 35750-35767  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 日常生活における画像のかなりの増加のために,多くの応用はそれらの類似性に関する研究を必要とする。主な課題は,画像対を類似および異種クラスに比較し,分類するための簡単で効率的な方法を見出すことである。本研究では,局所離散マップ(LDM)のモデリングに基づく画像対比較と分類に対する新しい方法を示した。LDMは2つの二値またはグレースケール画像間の非類似性を局所的に測定するツールである。それはHausdorff距離の修正版に基づく非類似性の尺度であり,画像間の非類似性を局所的に定量化できる。この測度は,パラメータや一般的でない。画像対分類(2クラス分類)法を次のように構造化する。最初に,LDMのための統計モデルを提案した。記述子として用いたモデルパラメータは,類似および異種画像対を識別するのに適切である。第二に,分類器を適用して分類スコア(2-クラス分類問題)を計算した。さらに,この方法は最先端の類似性測度と比較して,並進のような幾何学的変換に関してロバストである。本論文の主目的は,画像対分類に著者らのアプローチを適用することであるが,2クラス以上の分類(マルチクラス分類)でも実行される。よく知られた画像データセット×NISTと古い印刷データセットに関する実験は,提案方法が精度とF_1スコアに関して最先端の方法より良い結果でさえ,比較できることを証明した。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： 測度 ,  分類 ,  *Weibull分布 ,  *モデリング ,  *画像 ,  統計模型 ,  並進 ,  類似性 ,  ロバスト性
準シソーラス用語： 画像データ ,  Hausdorff距離 ,  *画像分類 ,  モデルパラメータ ,  グレースケール画像 ,  非類似性 , 【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 (8件)： Weibull分布 ,  非類似性 ,  マップ ,  モデリング ,  クラス ,  マルチ ,  画像分類 ,  応用