文献

J-GLOBAL ID：202202286101328747   整理番号：22A0396504

特徴マッチングのための緩和近傍一貫性の学習【JST・京大機械翻訳】

Learning Relaxed Neighborhood Consistency for Feature Matching

著者 (8件)： Chen Shuang (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Chen Jiaxuan (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Xiong Zenghui (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Xing Linjie (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Yang Yang (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Xiao Fei (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Yan Kai (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China) ,  Li Hao (Laboratory of Pattern Recognition and Artificial Intelligence, School of Information Science and Technology, Yunnan Normal University, Kunming, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4702913.1-13  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 特徴マッチングはリモートセンシングの多くの応用における重要な必要条件であり,その目的は2セットの特徴間の信頼できる対応を確立することである。既存の試みは,推定上の一致における誤ったマッチを除去するための基礎となる画像変換の推定を含む。しかし,画像変換は,異なる応用シナリオで変化し,それは,あらかじめ定義された幾何学的モデルを用いることが,特に画像変換が非剛体であるならば,劣ったマッチング精度につながることを意味する。本論文は,カスタマイズされた学習フレームワークの下で近隣の一貫性評価問題への不整合除去をキャストする。およそ8000の推定一致を含む7つの訓練画像対だけによって,著者らの方法は,異なる型の画像または変換モデル(アフィン,ホモグラフィ,区分的線形変換,その他)を扱うことができる。特徴マッチングと画像記録に関する広範な実験を行い,8つの最先端の競合者に対する著者らの方法の優位性を実証した。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： *学習 ,  リモートセンシング ,  *緩和現象 ,  不整合 ,  一次変換 ,  必要条件 ,  画像変換 ,  カスタム化
準シソーラス用語： ホモグラフィー ,  画像記録 ,  非剛体 ,  *特徴マッチング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 特徴マッチング ,  緩和 ,  近傍 ,  学習