Fugu-MT 論文翻訳(概要): Shape Classification using Approximately Convex Segment Features

論文の概要: Shape Classification using Approximately Convex Segment Features

arxiv url: http://arxiv.org/abs/2601.03625v1
Date: Wed, 07 Jan 2026 06:12:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-09 02:15:23.29054
Title: Shape Classification using Approximately Convex Segment Features
Title（参考訳）: 約凸セグメント特徴を用いた形状分類
Authors: Bimal Kumar Ray,
Abstract要約: 本稿では,特徴のソートによるオブジェクトアライメントの必要性を代替する。画像境界間の類似度を測定するために、セグメントの長さ、セグメント内の極端な点数、セグメントの面積、セグメントの基部と幅(特徴の袋)が使用される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The existing object classification techniques based on descriptive features rely on object alignment to compute the similarity of objects for classification. This paper replaces the necessity of object alignment through sorting of feature. The object boundary is normalized and segmented into approximately convex segments and the segments are then sorted in descending order of their length. The segment length, number of extreme points in segments, area of segments, the base and the width of the segments - a bag of features - is used to measure the similarity between image boundaries. The proposed method is tested on datasets and acceptable results are observed.
Abstract（参考訳）: 記述的特徴に基づく既存のオブジェクト分類技術は、分類のためのオブジェクトの類似性を計算するためにオブジェクトアライメントに依存している。本稿では,特徴のソートによるオブジェクトアライメントの必要性を代替する。対象の境界は正規化され、ほぼ凸部分に分割され、そのセグメントはその長さの順にソートされる。画像境界間の類似度を測定するために、セグメントの長さ、セグメント内の極端な点数、セグメントの面積、セグメントの基部と幅(特徴の袋)が使用される。提案手法はデータセット上でテストされ,許容可能な結果が得られた。

関連論文リスト

On Hyperbolic Embeddings in 2D Object Detection [76.12912000278322]
双曲幾何学が対象分類空間の基盤構造に適合するかどうかを考察する。 2段階、キーポイントベース、トランスフォーマーベースオブジェクト検出アーキテクチャに双曲型分類器を組み込む。分類空間の構造に現れる分類階級階層を観察し、分類誤差を低くし、全体的な対象検出性能を高める。
論文参考訳（メタデータ） (2022-03-15T16:43:40Z)
3D Compositional Zero-shot Learning with DeCompositional Consensus [102.7571947144639]
我々は、部分的知識は観察されたオブジェクトクラスを超えて構成可能であるべきだと論じる。本稿では、視覚から見えないオブジェクトクラスへの部分一般化の問題として、3D合成ゼロショット学習を提案する。
論文参考訳（メタデータ） (2021-11-29T16:34:53Z)
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)
Nonparametric clustering for image segmentation [0.0]
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。
論文参考訳（メタデータ） (2021-01-20T22:27:44Z)
Learning Panoptic Segmentation from Instance Contours [9.347742071428918]
Panopticpixel は、背景 (stuff) とオブジェクト (things) のインスタンスをピクセルレベルで理解することを目的としている。セマンティックセグメンテーション(レベル分類)とインスタンスセグメンテーションの別々のタスクを組み合わせて、単一の統合されたシーン理解タスクを構築する。セマンティックセグメンテーションとインスタンス輪郭からインスタンスセグメンテーションを学習する完全畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-10-16T03:05:48Z)
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)
Commonality-Parsing Network across Shape and Appearance for Partially Supervised Instance Segmentation [71.59275788106622]
そこで本稿では,マスク付分類から新しい分類へ一般化可能な,クラス非依存の共通性について考察する。本モデルでは,COCOデータセット上のサンプルセグメンテーションにおける部分教師付き設定と少数ショット設定の両方において,最先端の手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-24T07:23:44Z)
A Survey on Instance Segmentation: State of the art [1.8782750537161614]
インスタンスセグメンテーションは、オブジェクト検出とセグメンテーションの問題を同時に解決する技術である。本論文は,インスタンスセグメンテーションの分野で研究したい人に対して,貴重な情報を提供する。
論文参考訳（メタデータ） (2020-06-28T14:39:20Z)
Instance segmentation of buildings using keypoints [26.220921532554136]
本稿では,高分解能リモートセンシング画像におけるセグメンテーションを構築するための新しいインスタンスセグメンテーションネットワークを提案する。検出されたキーポイントはその後、建物のセマンティック境界である閉ポリゴンとして再構成される。我々のネットワークは、幾何学的詳細をよく保存できるボトムアップのインスタンスセグメンテーション手法である。
論文参考訳（メタデータ） (2020-06-06T13:11:37Z)

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。