Más contenido relacionado
La actualidad más candente (20)
Similar a 平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット (7)
Más de MPRG_Chubu_University (13)
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
- 3. グラフカットセグメンテーション 1
Interactive Graph Cuts Segmentation [Y. Boykov et al,ICCV2001]
– ユーザが物体・背景の正解ラベル(seed)を入力
– Graph Cuts Algorithm によりエネルギーを最小化
物体の正解ラベル
背景の正解ラベル
各ピクセルの性質 ピクセル間の関係
- 4. グラフカットセグメンテーション 2
Lazy Snapping [Y. Li et al , SIGGRAPH2004]
– 機能的なUI
– スーパーピクセルを用いた高速化
GrabCut [C. Rother et al , SIGGRAPH2004]
– 繰り返し処理により色分布を再学習
- 16. 提案手法の流れ
Step1. seedの入力
Step2. sの初期値計算
Step3. 画像の平滑化
Step4. Graph Cuts
Step5. セグメンテーション結果から事後確率の計算
Step6. s < 1でセグメンテーション結果が変化しなくなるか,s=0となったら終了
それ以外ならばs = a・s (0 < a < 1)と更新しStep 3へ
入力画像 出力結果
平滑化 Graph Cuts
sの更新
seed
物体・背景の空間的確率
物体・背景の色分布確率
の更新
- 24. 定量的比較 1
Interactive Graph Cuts と比較して誤検出率が約2.1%の向上
入力画像 Interactive Graph Cuts 提案手法
err:2.53% err:1.14%
→ 1.39%の精度向上
- 25. 定量的比較 2
Interactive Graph Cuts の誤検出率
– 2%以下 → 成功画像
– 2%以上 → 失敗画像
成功画像 → 従来法と同程度
失敗画像 → 約4.7% セグメンテーション精度向上