論文の概要: Nonparametric clustering for image segmentation

• arxiv url: http://arxiv.org/abs/2101.08345v1
• Date: Wed, 20 Jan 2021 22:27:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 02:39:59.948899
• Title: Nonparametric clustering for image segmentation
• Title（参考訳）: 画像分割のための非パラメトリッククラスタリング
• Authors: Giovanna Menardi
• Abstract要約: 画像分割への非パラメトリッククラスタリングの適用について検討し,このタスクに特有のアルゴリズムを提供する。 ピクセル類似性は、色表現の密度の観点から評価され、ピクセルの隣接構造が悪用される。 提案手法は、画像の分割と境界の検出の両方に作用し、しきい値化手法のクラスのカラー画像への一般化と見なすことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image segmentation aims at identifying regions of interest within an image, by grouping pixels according to their properties. This task resembles the statistical one of clustering, yet many standard clustering methods fail to meet the basic requirements of image segmentation: segment shapes are often biased toward predetermined shapes and their number is rarely determined automatically. Nonparametric clustering is, in principle, free from these limitations and turns out to be particularly suitable for the task of image segmentation. This is also witnessed by several operational analogies, as, for instance, the resort to topological data analysis and spatial tessellation in both the frameworks. We discuss the application of nonparametric clustering to image segmentation and provide an algorithm specific for this task. Pixel similarity is evaluated in terms of density of the color representation and the adjacency structure of the pixels is exploited to introduce a simple, yet effective method to identify image segments as disconnected high-density regions. The proposed method works both to segment an image and to detect its boundaries and can be seen as a generalization to color images of the class of thresholding methods.
• Abstract（参考訳）: 画像セグメント化は、画像内の関心領域を特定することを目的として、その特性に応じてピクセルをグループ化する。 このタスクはクラスタリングの統計的手法に似ているが、多くの標準的なクラスタリング手法は画像分割の基本的な要件を満たしていない。 非パラメトリッククラスタリングは原則としてこれらの制限から解放されており、画像セグメンテーションのタスクに特に適していることがわかった。 これはまた、トポロジカルなデータ分析や空間的テッセレーションを両方のフレームワークで活用するなど、いくつかの運用上の類似点によっても見られる。 画像分割への非パラメトリッククラスタリングの適用について検討し,このタスクに特有のアルゴリズムを提供する。 画素の類似性を色表現の密度の観点から評価し、画素の隣接構造を用いて画像セグメントを断続高密度領域として識別する簡易かつ効果的な方法を導入する。 提案手法は,画像のセグメント化と境界検出の両方に有効であり,しきい値の分類のカラー画像の一般化と見なすことができる。

関連論文リスト

• A Generalist Framework for Panoptic Segmentation of Images and Videos [61.61453194912186]
  我々は,タスクの帰納バイアスに頼ることなく,離散的なデータ生成問題としてパノプティクスセグメンテーションを定式化する。 単純な構造と一般的な損失関数を持つパノスコープマスクをモデル化するための拡散モデルを提案する。 本手法は,動画を(ストリーミング環境で)モデル化し,オブジェクトのインスタンスを自動的に追跡することを学ぶ。
  論文  参考訳（メタデータ） (2022-10-12T16:18:25Z)
• Estimating Appearance Models for Image Segmentation via Tensor Factorization [0.0]
  本稿では,画像からの外観モデルを直接推定する手法を提案する。 本手法は,潜時変モデルに対するテンソル分解に基づく推定器への入力として,画像からの局所的な高次色統計値を用いる。 このアプローチは、マルチリージョン画像のモデルを推定し、事前のユーザインタラクションなしで自動的にリージョン比を出力することができる。
  論文  参考訳（メタデータ） (2022-08-16T17:21:00Z)
• Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
  画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。 これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。 データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
  論文  参考訳（メタデータ） (2022-05-16T17:47:44Z)
• Multiscale Analysis for Improving Texture Classification [62.226224120400026]
  本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。 バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
  論文  参考訳（メタデータ） (2022-04-21T01:32:22Z)
• A Random Point Initialization Approach to Image Segmentation with Variational Level-sets [0.0]
  本稿では,オブジェクト境界を迅速に検出できる変動レベルセット画像分割法を提案する。 実画像上での本手法の性能をCanny法と比較することにより,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-12-23T04:37:44Z)
• A Spatial Guided Self-supervised Clustering Network for Medical Image Segmentation [16.448375091671004]
  医用画像分割のための空間ガイド型自己監視クラスタリングネットワーク(SGSCN)を提案する。 単一の画像から、各ピクセルの特徴表現とクラスタリングの割り当てをエンドツーエンドで反復的に学習する。 本手法を2つの公開医用画像データセット上で評価し,従来の自己監督型クラスタリング法と比較した。
  論文  参考訳（メタデータ） (2021-07-11T00:40:40Z)
• Object-Guided Instance Segmentation With Auxiliary Feature Refinement for Biological Images [58.914034295184685]
  サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。 Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。 提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。 セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
  論文  参考訳（メタデータ） (2021-06-14T04:35:36Z)
• Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
  独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。 従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。 本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-11T06:18:36Z)
• Morphological segmentation of hyperspectral images [0.0]
  本稿では,ハイパースペクトル画像の形態的セグメンテーションのための一般的な手法を開発した。 アプローチはスペクトル分類からなり、マーカーと空間情報を与えるベクトル勾配を得る。
  論文  参考訳（メタデータ） (2020-10-02T08:32:52Z)
• Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
  我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。 具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。 提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2020-08-03T20:48:31Z)
• Unsupervised Community Detection with a Potts Model Hamiltonian, an Efficient Algorithmic Solution, and Applications in Digital Pathology [1.6506888719932784]
  本稿では,各色特徴に基づく入力画像画素の高速な統計的ダウンサンプリングと,セグメント関係を考慮したポッツモデルエネルギーの最小化手法を提案する。 特に腎疾患における腎糸球体微小環境のセグメンテーションにおいて,医用顕微鏡画像のセグメンテーションに本法の応用を実証した。
  論文  参考訳（メタデータ） (2020-02-05T01:20:28Z)

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。