Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

Learning Strengths and Weaknesses of Classifiers for RGB-D Semantic Segmentation

تعداد صفحات: 4 | تعداد نمایش خلاصه: 189 | نظرات: 0
سال انتشار: 1394
کد COI Paper: ICMVIP09_072
زبان Paper: Englishglish
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

راهنمای دانلود فایل کامل این Paper

متن کامل این مقاله منتشر نشده و در پایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانس ها و مجلات می باشد. برخی دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند.به منظور تکمیل بانک مقالات موجود چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله امکان ارائه آن وجود ندارد.

خرید و دانلود فایل Paper

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان Paper Learning Strengths and Weaknesses of Classifiers for RGB-D Semantic Segmentation

Fahimeh Fooladgar - Department of Computer Engineering Sharif University of Technology Tehran, Iran
Shohreh Kasaei

چکیده Paper:

3D scene understanding is an open challenge in the field of computer vision. Most of the focus is on 2D methods in which the semantic labeling of each RGB pixel is considered. But, in this paper, the 3D semantic labeling of RGB-D images is considered. In the proposed method, to extract some meaningful features, the superpixel generation algorithm is applied to the RGB image to segment it into a set of disjoint pixels. After that, the set of three powerful classifiers are utilized to semanticallylabel each superpixel. In the proposed method, the probability outputs of these classifiers are concatenated as the novel feature vector for each superpixel. Consequently, to analyze the strengthsand weaknesses of each classifier, the conditional random field framework is used to improve the contextual relationships among neighboring superpixels. The unary potential function of the conditional random field is learned based on these new feature vectors. The proposed method is evaluated on the challenging NYU-V2 RGB-D dataset and improves the pixel average accuracy compared to previous methods.

کلیدواژه ها:

RGB-D segmentation; semantic scene labeling; 3D scene understanding

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/568599/

کد COI Paper: ICMVIP09_072

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined,1394,Learning Strengths and Weaknesses of Classifiers for RGB-D Semantic Segmentation,نهمین کنفرانس ماشین بینایی و پردازش تصویر ایران,Tehran,,,https://civilica.com/doc/568599

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394, Fooladgar, Fahimeh؛ Shohreh Kasaei)
برای بار دوم به بعد: (1394, Fooladgar؛ Kasaei)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 12,951
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support