도움말

MRF 기반의 시멘틱 속성 서브네트워크 탐색을 이용한 장면 이미지 분류 성능 개선

Performance Enhancement for Scene Image Classification Using a MRF-based Subnetworks Search for Semantic Attributes
정보과학회논문지 : 소프트웨어 및 응용 제40권 제11호, 2013.11, 732-740 (9 pages)
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 40건
피인용수 : 0건
분야내 활용도 : 40%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
장면 이미지는 다양한 시멘틱 속성들 간의 고차원의 상호작용으로 구성되어 있다. 본 논문에서는 이러한 시멘틱 속성들의 고차원의 상호작용을 고려 가능한 마르코프 랜덤 필드 기반의 모델링 기법을 제안한다. 마르코프 랜덤 필드 상의 서브네트워크 탐색 기법을 통해 각 장면 카테고리에 최적화 된 시멘틱 속성들의 서브네트워크를 탐색하고, 이들 서브네트워크 내에 속한 시멘틱 속성들의 발현량을 우도비 기반의 선형 변환 기법을 통해 요약하는 기법을 제안한다. 이들 요약 된 값은 분류 모델을 이용하여 각 카테고리를 분류하기 위한 특징 벡터로 사용된다. 제안한 기법의 우수성을 검증하기 위해, 실험을 통하여 제시한 기법을 통해 생성된 특징 벡터의 분별력이 기존의 기법들에서 사용 된 특징 벡터들의 분별력보다 우수함을 보인다. 또한 이러한 특징 벡터를 이용하여 장면 분류 실험을 수행한 결과 기존의 기법들과 비교하여 경쟁력 있는 분류 성능을 보임을 확인하였다. 제안한 기법은 기존의 이미지 자동 주석 생성 및 분류작업 성능 향상에 기여 할 수 있을 뿐만 아니라, 자율 주행 로봇을 위한 영상 기반의 문맥 정보 획득에도 활용 가능하다.

A scene image is composed by higher-order interactions of semantic attributes. In this paper, we propose a method of the markov random field based modeling can consider the higher-order interactions of semantic attributes of a scene image. Through subnetworks search method on the markov random filed, we explore subnetworks of semantic attributes that are optimized for each scene category classification task. And also we propose a method to summarize the expression values of the member semantic attributes that belongs to the searched subnetworks using a linear transformation method via likelihood based estimation. To verify the competitiveness of the proposed method, we show that the discrimination power of the feature vector generated by the proposed method is better than existing methods through experiments. And also, in a scene classification experiment, the proposed method show a competitive classification performance compared with the conventional methods. The proposed method can be utilized not only to obtain the context information from the video for autonomous navigation robots, but also to improve the performance of existing image classification or annotation methods.

목차
요약
Abstract
1. 서론
2. 시멘틱 속성 및 상호작용 행렬 생성
3. MRF 기반 시멘틱 속성 서브네트워크 탐색
4. 우도비를 이용한 특징 벡터 생성
5. 실험 및 결과
6. 결론 및 향후 연구
References
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (11)

현재 논문의 참고문헌을 찾아 신청해주세요!

  1. A. Bosch. , 2008 , Scene Classification Using a Hybrid Generative , Discriminative Approach , IEEE Trans. PAMI 30 (4) : 712 ~ 727

  2. J. Sivic. , 2003 , Video google : A text retrieval approach to object matching in videos , In : Proc. ICCV 2 : 1470 ~ 1477

  3. J. Vogel. , 2007 , Semantic modeling of natural scenes for content-based image retrieval , Int. J. Comp. Vis 72 (2) : 133 ~ 157

  4. Li Fei-Fei. , 2005 , A bayesian hierarchical model for learning natural scene categories , In : Proc. CVPR 2 : 524 ~ 531

  5. Yu Su. , 2012 , Improving Image Classification Using Semantic Attributes , Int. J. Comp. Vis 100 (1) : 59 ~ 77

  6. L. Li. , 2010 , Object bank : a high-Level image representation for scene classification and semantic feature sparsification , In: Proc. NIPS : 1378 ~ 1386

  7. L. Chen. , 2012 , Identifying protein interaction subnetworks by a bagging Markov random field-based method , Nucleic Acids Research 41 (2) : e42 ~

  8. J. Hammersley. , 1971 , Markov fields on finite graphs and lattices , unpublished manuscript

  9. C. Li. , 2008 , Network-constrained regularization and variable selection for analysis of genomic data , Bioinformatics 24 (9) : 1175 ~ 1182

  10. S. Lazebnik. , 2006 , Beyond bags of features : Spatial pyramid matching for recognizing natural scene categories , In : CVPR 2 : 2169 ~ 2178

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (7)

최선욱 식별저자 저자의 상세정보를 확인해 보세요.

권호 내 다른 논문 (13)

정보과학회논문지 : 소프트웨어 및 응용 제40권 제11호 의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
추천 논문 (5)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

해당 논문은 함께 다운받은 논문 정보가 없습니다.

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 naver 3
2 인하대학교 3
3 한양대학교 3

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동