Kernel kod-tablosu kodlaması ile sahne etiketleme
Yükleniyor...
Dosyalar
Tarih
2017-06-27
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
IEEE
Erişim Hakkı
info:eu-repo/semantics/closedAccess
Özet
Sahne bölütleme ve etiketlemede son yıllarda süperpiksel tabanlı yaklaşımların başarılı olduğu görülmektedir. Öncelikle görüntü bir süperpiksel algoritması ile görsel olarak tutarlı küçük parçalara bölütlenmekte; daha sonra her süperpiksel
için çeşitli öznitelik betimleyicileri hesaplanıp sınıflandırma yapılmaktadır. Bu bildiride süperpiksel öznitelikleri için Kernel Kodtablosu Kodlama (KKT) yaklaşımı önerilmiştir. KKT’de öznitelik vektörleri için sabit nicemleme yerine birden fazla kodsözcüğüne
yumuşak eşlemleme yapılmaktadır. Kodsözcüklerine atanan ağırlıklar bir kernel uzaklık fonksiyonu ile hesaplanmaktadır. KKT yöntemi SuperParsing görüntü ayrıştırma algoritmasında SIFT özniteliklerinin kodlanması için kullanılmıştır. Geliştirdiğimiz yöntem 2,688 görüntü ve 33 sınıf içeren SIFT Flow veri kümesi kullanılarak denenmiş ve SuperParsing yönteminden %2.7 daha yüksek ayrıştırma doğruluğu sağlanmıştır.
Superpixel based methods have recently shown success in scene segmentation and labeling. In scene labeling, a superpixel algorithm is used first to segment the image into visually consistent small regions; then several feature descriptors are computed and classification is performed for each superpixel. In this paper, Kernel Codebook Encoding (KCB) of superpixel features is proposed. In KCB feature vectors are mapped to multiple codewords in a soft manner, instead of the usual hard quantization. The weights assigned to the codewords are determined by a kernel distance function. KCB method is used for encoding of SIFT features in SuperParsing image parsing algorithm. The developed approach is tested on the SIFT Flow dataset consisting of 2,688 images and 33 classes, and achieves 2.7% increase in parsing accuracy over SuperParsing.
Superpixel based methods have recently shown success in scene segmentation and labeling. In scene labeling, a superpixel algorithm is used first to segment the image into visually consistent small regions; then several feature descriptors are computed and classification is performed for each superpixel. In this paper, Kernel Codebook Encoding (KCB) of superpixel features is proposed. In KCB feature vectors are mapped to multiple codewords in a soft manner, instead of the usual hard quantization. The weights assigned to the codewords are determined by a kernel distance function. KCB method is used for encoding of SIFT features in SuperParsing image parsing algorithm. The developed approach is tested on the SIFT Flow dataset consisting of 2,688 images and 33 classes, and achieves 2.7% increase in parsing accuracy over SuperParsing.
Açıklama
Anahtar Kelimeler
Görüntü ayrıştırma, Öznitelik kodlama, Süperpiksel, Codewords, Dogs, Encoding, Encoding (symbols), Feature descriptors, Feature encoding, Feature vectors, Hard quantization, Histograms, Image parsing, Image processing, Image segmentation, KCB feature vectors, Kernel, Kernel codebook encoding, Kernel distance function, Kernel distance, Labeling, Pixels, Quantization (signal), Scene labeling, Scene segmentation, Semantics, SIFT feature, SIFT features, SIFT Flow dataset, Signal processing, Small region, Super pixels, SuperParsing image parsing algorithm, Superpixel, Superpixel algorithm, Superpixel based methods, Superpixel features, Transforms
Kaynak
WoS Q Değeri
N/A
Scopus Q Değeri
N/A
Cilt
Sayı
Künye
Ateş, H. F. & Sünetci, S. (2017). Scene labeling using kernel codebook encoding. Paper presented at the 2017 25th Signal Processing and Communications Applications Conference, SIU 2017, 1-4. doi:10.1109/SIU.2017.7960349
