論文の概要: MCMLSD: A Probabilistic Algorithm and Evaluation Framework for Line Segment Detection

• arxiv url: http://arxiv.org/abs/2001.01788v1
• Date: Mon, 6 Jan 2020 21:51:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 02:36:05.838390
• Title: MCMLSD: A Probabilistic Algorithm and Evaluation Framework for Line Segment Detection
• Title（参考訳）: MCMLSD:線分検出のための確率的アルゴリズムと評価フレームワーク
• Authors: James H. Elder, Emilio J. Almaz\`an, Yiming Qian and Ron Tal
• Abstract要約: 両手法の利点を融合した確率論的アルゴリズムを提案する。 第1段階では、大域的確率的ハフアプローチを用いて線を検出する。 第2段階では、検出された各線を画像領域で解析し、Houghマップのピークを発生した線分をローカライズする。
• 参考スコア（独自算出の注目度）: 14.718285775507638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional approaches to line segment detection typically involve perceptual grouping in the image domain and/or global accumulation in the Hough domain. Here we propose a probabilistic algorithm that merges the advantages of both approaches. In a first stage lines are detected using a global probabilistic Hough approach. In the second stage each detected line is analyzed in the image domain to localize the line segments that generated the peak in the Hough map. By limiting search to a line, the distribution of segments over the sequence of points on the line can be modeled as a Markov chain, and a probabilistically optimal labelling can be computed exactly using a standard dynamic programming algorithm, in linear time. The Markov assumption also leads to an intuitive ranking method that uses the local marginal posterior probabilities to estimate the expected number of correctly labelled points on a segment. To assess the resulting Markov Chain Marginal Line Segment Detector (MCMLSD) we develop and apply a novel quantitative evaluation methodology that controls for under- and over-segmentation. Evaluation on the YorkUrbanDB and Wireframe datasets shows that the proposed MCMLSD method outperforms prior traditional approaches, as well as more recent deep learning methods.
• Abstract（参考訳）: 線分検出への伝統的なアプローチは、画像領域における知覚的グループ化と、ハフ領域における/または大域的な集積を伴う。 本稿では,両手法の利点を融合する確率的アルゴリズムを提案する。 第1段階では、大域的確率的ハフアプローチを用いて線を検出する。 第2段階では、検出された各線を画像領域で解析し、ハフマップでピークを発生させた線分をローカライズする。 行への探索を制限することにより、行上の点列上のセグメントの分布をマルコフ連鎖としてモデル化することができ、確率論的に最適なラベリングを標準動的プログラミングアルゴリズムを用いて線形時間で正確に計算することができる。 マルコフの仮定はまた、局所辺縁後確率を用いてセグメント上の正しくラベル付けされた点の期待数を推定する直感的なランキング手法をもたらす。 結果として得られたマルコフ鎖辺縁線分検出器(mcmlsd)を評価するために,低セグメンテーションと過剰セグメンテーションを制御する新しい定量的評価手法を開発し,応用する。 YorkUrbanDBとWireframeデータセットの評価は、提案されたMCMLSDメソッドが従来のアプローチよりも優れており、より最近のディープラーニングメソッドが優れていることを示している。

関連論文リスト

• Anchor-free Clustering based on Anchor Graph Factorization [17.218481911995365]
  Anchor Graph Factorization(AFCAGF)に基づくAnchor-free Clusteringと呼ばれる新しい手法を提案する。 AFCAGFはアンカーグラフの学習において革新的であり、サンプル間のペア距離の計算のみを必要とする。 我々は,クラスタセンターとFKMのサンプル間のメンバシップ行列の概念を,複数のアンカーポイントとサンプルを含むアンカーグラフに進化させた。
  論文  参考訳（メタデータ） (2024-02-24T02:16:42Z)
• Progressive Sub-Graph Clustering Algorithm for Semi-Supervised Domain Adaptation Speaker Verification [17.284276598514502]
  マルチモデル投票と二重ガウスに基づく評価に基づく新しいプログレッシブサブグラフクラスタリングアルゴリズムを提案する。 破滅的なクラスタリング結果を防止するため、段階的にkを増大させ、二重ガウスに基づく評価アルゴリズムを用いる反復的手法を採用する。
  論文  参考訳（メタデータ） (2023-05-22T04:26:18Z)
• Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
  教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。 このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。 このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
  論文  参考訳（メタデータ） (2022-09-27T19:04:36Z)
• A Survey on Label-efficient Deep Segmentation: Bridging the Gap between Weak Supervision and Dense Prediction [115.9169213834476]
  本稿では,ラベル効率の高いセグメンテーション手法について概説する。 まず,様々な種類の弱いラベルによって提供される監督に従って,これらの手法を整理する分類法を開発する。 次に,既存のラベル効率のセグメンテーション手法を統一的な視点から要約する。
  論文  参考訳（メタデータ） (2022-07-04T06:21:01Z)
• Change-point Detection and Segmentation of Discrete Data using Bayesian Context Trees [7.090165638014331]
  最近導入されたBayesian Context Trees (BCT) フレームワークに基づいて構築され、離散時系列における異なるセグメントの分布を可変メモリマルコフ連鎖として記述する。 変化点の存在と位置の推測はマルコフ連鎖モンテカルロサンプリングによって行われる。 シミュレーションと実世界の両方のデータから,提案手法は最先端技術よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-03-08T19:03:21Z)
• Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation [0.0]
  セグメンテーションの結果の処理と精錬は、セグメンテーションネットワークから派生した誤分類を減らすための一般的な手法である。 グラフベースのアプローチでは、グラフ内の特定の不確実点を利用し、小さなグラフ畳み込みネットワーク(GCN)に従ってセグメンテーションを洗練する。 本稿では,特徴距離に応じた新しい隣人選択機構を提案し,トレーニング手順における2つのネットワークの組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-08-06T13:39:35Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Boosting Semi-supervised Image Segmentation with Global and Local Mutual Information Regularization [9.994508738317585]
  カテゴリー分布の相互情報(MI)を利用する半教師付きセグメンテーション手法を提案する。 医用画像セグメンテーションのための3つの挑戦的公開データセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-03-08T15:13:25Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。