> 뉴스 > 내용

연락처

추가 : 블록 5, Fuqiang 기술 공원, Zhugushi 도로, Wulian, Longgang 518116

Mob : + 86-13510459036

전자 메일 : info@panadisplay.com

슈퍼 픽셀 응용 연구 현황
Nov 17, 2017

Ren 등이 2003 년 초 슈퍼 픽셀 개념을 사용하여 의미있는 영역에서 이미지 인식을 추출하는 슈퍼 픽셀 알고리즘을 사용하여 픽셀 그리드 대신 견고한 픽셀을 사용하여 견고한 구조를 대체 할 수 있습니다. 기존의 픽셀 기반 알고리즘을 사용하여 지난 10 년간의 결과 중 일부를 개선했습니다.


슈퍼 픽셀에 대한 연구는 국내외에서 급속히 발전해 왔으며, 이미지 분할 분야의 많은 응용 분야에서 컴퓨터 비전 연구 분야의 핵심 기술이되었으며, Ncut와 같은 그래프 이론에 기반한 기존의 많은 세분화 알고리즘이 이 알고리즘은 미토 콘 드리 아 세그먼테이션의 전자 현미경 사진과 같은 특정 응용 분야에 대한 이미지 크기의 크기를 제한 할 것이기 때문에 그래프에서 노드가 비싸게되고, 이미지 크기가 크고 픽셀 그리드를 기반으로 한 이미지 세분화는 매우 어렵습니다. SLIC 알고리즘을 사용하여 수퍼 픽셀 집계 주위의 이미지 픽셀, 각 픽셀은 그래프의 각 노드가 이미지 세분화를 달성하기 위해 효과적으로 이미지의 복잡성을 줄일 수 있고 세분화는 쉽게 처리 할 수 있습니다.


그림 11에서 볼 수 있듯이 SLIC supervoxels 방법을 사용하면 수십억 픽셀의 큰 크기의 3D 이미지 세분화가 가능하며 알고리즘은 복잡성이 적고 메모리 요구 사항을 줄여 Kohli 등의 성능을 크게 향상시킬 수 있습니다. 동일한 객체 문제가있는 동일한 레이블 세그먼트 화 단편에 속하는 방법의 문제점을 해결합니다.

5.jpg

인간 자세 추정에서 Mori et al. 먼저 이미지를 슈퍼 픽셀 이상의 블록으로 나누어 인체 관절과 팔다리의 윤곽을 찾아서 위치시킨 다음 몸의 모든 부분을 모리 수퍼 픽셀 세분화 전처리와 결합하여 이미지의 검색 패턴을 향상시킵니다. 그림 12와 같이 인간 자세 추정에서 정적 이미지와 효율성 및 정확도가 좋은 결과를 얻습니다.

6.jpg

표적 추적의 분야에서 Wang et al. 중간 레벨 시야의 관점에서 객체 구조 정보를 추출하기 위해 하이퍼 픽셀을 사용하여 객체 추적 알고리즘을 제안했습니다.


그들은 수퍼 픽셀 기반의 외관 판별 모델을 사용하여 트래커가 중간 레벨 라인 케이블을 통해 타겟과 배경을 구별하도록합니다. 그런 다음, 추적 작업은 목표 배경 신뢰 값을 계산하는 것으로 바뀌고 최상의 후보 결과는 최대 사후 추정에 의해 얻어진다.


추적 알고리즘은 변형, 표적 추적 (교합 및 교합)을 효과적으로 처리 할 수 있습니다 (그림 13 Zhou 등). 제안 된 수퍼 픽셀 운전 수준 설정 추적 알고리즘, 수퍼 픽셀 또는 타겟과 배경 간의 상관 관계를 캡처하는 속도 함수의 정의, 알고리즘은 트래픽 비디오에서 실제 차량의 여러 차량을 추적하는 리우의 견고성과 고효율을 제공합니다 , 의미 정보가 수퍼 픽셀에 도입되어 효과적으로 다른 차량의 교합 문제 및 잦은 교차를 해결합니다.


Wang et al. 목표 주변의 시각 정보를 기반으로 수퍼 픽셀을 탐색하여 목표 추적 문제를 탐구하고 여러 구성 요소로 구성된 외형 모델을 제안했습니다.

알고리즘은 객체 변형 및 폐색의 경우 다른 알고리즘보다 우수합니다.

7.jpg

슈퍼 픽셀 이미지 처리 작업의 다른 측면에서도 사용할 수 있습니다 (Gu 외). 슈퍼 픽셀은 이미지 장면 분류, 슈퍼 픽셀 블록의 이미지 세분화, 이미지 SIFT 피쳐 추출, 컨텍스트 비주얼 디스크립터의 형성, 그리고 이미지와 분류 방법을 표현하기 위해 피라미드의 공간을 사용합니다.


Tighe et al. 슈퍼 픽셀을 장면 구성 요소 분석에 적용하고 간단하고 비 매개 변수 적이며 효율적인 이미지 분석 방법을 제안했습니다. 풀 커슨 (Fulkerson) 등 이미지에서 슈퍼 픽셀을 사용하여 대상을 찾고 대상 클래스를 구분하는 방법을 설명했습니다. Graz-02 및 PASCAL VOC 2007 데이터 세트에 대한 실험 결과는 기존의 많은 이미지 분할 방법보다 훨씬 뛰어납니다.