Dense segmentation-aware descriptors

機譯：密集的分段感知描述符

代理獲取

本網(wǎng)站僅為用戶提供外文OA文獻(xiàn)查詢和代理獲取服務(wù)，本網(wǎng)站沒有原文。下單后我們將采用程序或人工為您竭誠獲取高質(zhì)量的原文，但由于OA文獻(xiàn)來源多樣且變更頻繁，仍可能出現(xiàn)獲取不到、文獻(xiàn)不完整或與標(biāo)題不符等情況，如果獲取不到我們將提供退款服務(wù)。請知悉。

頁面導(dǎo)航

摘要
著錄項
引文網(wǎng)絡(luò)
相似文獻(xiàn)
相關(guān)主題

摘要

In this work we exploit segmentation to construct appearance descriptors that can robustly deal with occlusion and background changes. For this, we downplay measurements coming from areas that are unlikely to belong to the same region as the descriptor’s center, as suggested by soft segmentation masks. Our treatment is applicable to any image point, i.e. dense, and its computational overhead is in the order of a few seconds. We integrate this idea with Dense SIFT, and also with Dense Scale and Rotation Invariant Descriptors (SID), delivering descriptors that are densely computable, invariant to scaling and rotation, and robust to background changes. We apply our approach to standard benchmarks on large displacement motion estimation using SIFT-flow and widebaseline stereo, systematically demonstrating that the introduction of segmentation yields clear improvements.

機譯：在這項工作中，我們利用分割來構(gòu)造外觀描述符，該描述符可以有效地處理遮擋和背景變化。為此，我們會輕視來自不太可能與描述符中心位于同一區(qū)域的區(qū)域的測量結(jié)果，如軟分割蒙版所建議的那樣。我們的處理適用于任何圖像點，即密集的圖像點，其計算開銷約為幾秒鐘。我們將此思想與Dense SIFT以及Dense Scale和Rotation Invariant Descriptor（SID）集成在一起，提供了可密集計算，縮放和旋轉(zhuǎn)不變且對背景變化具有魯棒性的描述符。我們將我們的方法應(yīng)用于使用SIFT流和寬基線立體聲的大位移運動估計的標(biāo)準(zhǔn)基準(zhǔn)，系統(tǒng)地證明了分段的引入帶來了明顯的改進(jìn)。

著錄項

作者
Trulls Fortuny, Eduard; Kokkinos, Iasonas; Sanfeliu Cortés, Alberto; Moreno-Noguer, Francesc;
展開▼
作者單位

展開▼
年度 2025
總頁數(shù)
原文格式 PDF
正文語種 eng
中圖分類

相似文獻(xiàn)

外文文獻(xiàn)
中文文獻(xiàn)
專利

1. Dense Object Nets: Learning Dense Visual Object Descriptors By and For Robotic Manipulation [J] . Peter R. Florence, Lucas Manuelli, Russ Tedrake JMLR: Workshop and Conference Proceedings . 2018,第2010期

機譯：密集對象網(wǎng)絡(luò)：通過機器人操作學(xué)習(xí)密集的視覺對象描述符
2. Dense Object Nets: Learning Dense Visual Object Descriptors By and For Robotic Manipulation [J] . Peter R. Florence, Lucas Manuelli, Russ Tedrake JMLR: Workshop and Conference Proceedings . 2018,第12期

機譯：密集對象網(wǎng)絡(luò)：通過機器人操作學(xué)習(xí)密集的視覺對象描述符
3. Ensembles of dense and dense sampling descriptors for the HEp-2 cells classification problem [J] . Nanni Loris, Lumini Alessandra, dos Santos Florentino Luciano Caetano, Pattern recognition letters . 2016,第octa15期

機譯：HEp-2細(xì)胞分類問題的密集和密集采樣描述符的集合
4. Dense Segmentation-Aware Descriptors [C] . Trulls Eduard, Kokkinos Iasonas, Sanfeliu Alberto, IEEE Conference on Computer Vision and Pattern Recognition . 2013

機譯：密集分段感知描述符
5. New hybrid of empirical and knowledge-based scoring functions using novel geometrical descriptors, molecular surface descriptors and machine-learning methods. [D] . Deng, Wei. 2004

機譯：使用新穎的幾何描述符，分子表面描述符和機器學(xué)習(xí)方法的新的經(jīng)驗和基于得分函數(shù)的混合函數(shù)。
6. Benchmarking of protein descriptor sets in proteochemometric modeling (part 1): comparative study of 13 amino acid descriptor sets [O] . Gerard JP van Westen, Remco F Swier, J?rg K Wegner, 2013

機譯：在蛋白質(zhì)化學(xué)計量學(xué)模型中對蛋白質(zhì)描述符集進(jìn)行基準(zhǔn)測試（第1部分）：13個氨基酸描述符集的比較研究
7. Dense segmentation-aware descriptors [O] . Trulls Fortuny, Eduard, Kokkinos, Iasonas, Sanfeliu Cortés, Alberto, 10000

機譯：密集的分段感知描述符

代理獲取

客服郵箱：kefu@zhangqiaokeyan.com

京公網(wǎng)安備：11010802029741號 ICP備案號：京ICP備15016152號-6 六維聯(lián)合信息科技 (北京) 有限公司?版權(quán)所有

客服微信
服務(wù)號

国产bbaaaaa片,成年美女黄网站色视频免费,成年黄大片,а天堂中文最新一区二区三区,成人精品视频一区二区三区尤物

Dense segmentation-aware descriptors

摘要

著錄項

引文網(wǎng)絡(luò)

相似文獻(xiàn)

相關(guān)主題

期刊訂閱