論文の概要: Region Feature Descriptor Adapted to High Affine Transformations
- arxiv url: http://arxiv.org/abs/2402.09724v2
- Date: Sun, 18 Feb 2024 04:12:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 00:25:23.682104
- Title: Region Feature Descriptor Adapted to High Affine Transformations
- Title（参考訳）: 高アフィン変換に適応した領域特徴記述子
- Authors: Shaojie Zhang, Yinghui Wang, Bin Nan, Jinlong Yang, Tao Yan, Liangyi
Huang, and Mingfeng Wang
- Abstract要約: 本稿では,アフィン変換をシミュレートした領域特徴記述子を提案する。
既存の古典的記述子に比べて精度と堅牢性が高い。
- 参考スコア（独自算出の注目度）: 9.083791591669234
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To address the issue of feature descriptors being ineffective in representing
grayscale feature information when images undergo high affine transformations,
leading to a rapid decline in feature matching accuracy, this paper proposes a
region feature descriptor based on simulating affine transformations using
classification. The proposed method initially categorizes images with different
affine degrees to simulate affine transformations and generate a new set of
images. Subsequently, it calculates neighborhood information for feature points
on this new image set. Finally, the descriptor is generated by combining the
grayscale histogram of the maximum stable extremal region to which the feature
point belongs and the normalized position relative to the grayscale centroid of
the feature point's region. Experimental results, comparing feature matching
metrics under affine transformation scenarios, demonstrate that the proposed
descriptor exhibits higher precision and robustness compared to existing
classical descriptors. Additionally, it shows robustness when integrated with
other descriptors.
- Abstract（参考訳）: 画像が高アフィン変換を行う場合のグレースケール特徴情報の表現に効果のない特徴ディスクリプタの問題に対処するため,分類を用いてアフィン変換をシミュレートした領域特徴ディスクリプタを提案する。
提案手法は当初,異なるアフィン次数を持つ画像を分類し,アフィン変換をシミュレートし,新たな画像群を生成する。
その後、この新しい画像集合上の特徴点の近傍情報を算出する。
最後に、特徴点が属する最大安定極端領域のグレースケールヒストグラムと特徴点領域のグレイスケールセントロイドに対する正規化位置とを組み合わせて記述子を生成する。
アフィン変換のシナリオで特徴マッチングメトリクスを比較した実験の結果,提案する記述器は従来の記述器と比較して高い精度と頑健性を示すことがわかった。
さらに、他のディスクリプタと統合すると堅牢性を示す。
関連論文リスト
- Global-Local Similarity for Efficient Fine-Grained Image Recognition with Vision Transformers [5.825612611197359]
微粒な認識には、下位のマクロカテゴリからのイメージの分類が含まれる。
本稿では,画像中の識別領域を識別する新しい,計算コストの低い指標を提案する。
提案手法は,提案手法よりも計算コストの低い結果が得られる。
論文 参考訳（メタデータ） (2024-07-17T10:04:54Z) - Motion Estimation for Large Displacements and Deformations [7.99536002595393]
粗い微細なスキームに基づく変分光学フロー技術はスパースマッチングを補間し、色、勾配、滑らかさを条件としたエネルギーモデルを局所的に最適化する。
本稿では, この問題に対処し, 大きな変位と変形に対する変動運動推定フレームワークであるHybridFlowを提案する。
論文 参考訳（メタデータ） (2022-06-24T18:53:22Z) - 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) - Local Gradient Hexa Pattern: A Descriptor for Face Recognition and
Retrieval [20.77994516381]
基準画素とその隣接する画素間の関係を同定する局所勾配ヘキサパターン(LGHP)を提案する。
識別情報は、地域や異なるデリバティブな方向でも存在している。
提案するディスクリプタは,最先端のディスクリプタに比べて高い認識率と検索率を有する。
論文 参考訳（メタデータ） (2022-01-03T07:45:36Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳（メタデータ） (2021-10-26T06:20:31Z) - Reservoir Computing Approach for Gray Images Segmentation [0.0]
本稿では,グレースケール画像セグメンテーションのための新しいアプローチを提案する。
これは、Echo状態ネットワークを使用して、画像ピクセル当たりの単一特徴、すなわちその強度値から抽出された複数の特徴に基づいている。
新たに抽出された特徴、すなわち貯水池平衡状態は、クラスタリングアルゴリズムによるセグメンテーションを改善する隠された画像特性を明らかにする。
論文 参考訳（メタデータ） (2021-07-23T08:37:24Z) - A generalised feature for low level vision [0.0]
Sinclair-Town変換は、エッジ検出器、MSERスタイルの領域検出器、コーナー検出器の両方のロールを仮定する。
局所平均との差は3つの値(暗中光)に量子化される
論文 参考訳（メタデータ） (2021-02-03T11:02:03Z) - Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。
提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
論文 参考訳（メタデータ） (2020-07-21T04:03:22Z) - Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。
既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。
本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
論文 参考訳（メタデータ） (2020-04-12T03:53:53Z) - Steering Self-Supervised Feature Learning Beyond Local Pixel Statistics [60.92229707497999]
画像の特定の変換の識別に基づく自己教師型特徴学習の新しい原理を提案する。
実験により,LCI,画像ワープ,回転などの変換を識別する学習が,技術一般化能力の状態を特徴付けることを示した。
論文 参考訳（メタデータ） (2020-04-05T22:09:08Z) - Cross-Domain Few-Shot Classification via Learned Feature-Wise
Transformation [109.89213619785676]
各クラスにラベル付き画像がほとんどない新しいカテゴリを識別することを目的としている。
既存のメトリックベースの数ショット分類アルゴリズムは、クエリ画像の特徴埋め込みとラベル付き画像の特徴埋め込みを比較して、カテゴリを予測する。
有望な性能が証明されているが、これらの手法は目に見えない領域に一般化できないことが多い。
論文 参考訳（メタデータ） (2020-01-23T18:55:43Z)
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。