亚尼克·威尔第;佛罗伦萨拉法基 通过蒙特卡罗采样检测大型场景中的参数化对象。 (英语) Zbl 1328.68282号 国际期刊计算。视觉。 106,编号1,57-75(2014). 概要:点过程构成马尔可夫随机场(MRF)的自然扩展,旨在处理参数对象。他们在解决视觉对象提取问题方面表现出了效率和竞争力。然而,模拟这些随机模型是一项困难的任务。现有采样器的性能在计算时间和收敛稳定性方面受到限制,特别是在大场景下。我们提出了一种基于蒙特卡罗公式的新采样方法。我们的算法利用点过程的马尔可夫特性来并行执行采样。该过程嵌入到数据驱动机制中,以便根据从输入数据中提取的空间信息在场景中分布点。通过对大型场景中各种目标检测问题的一组实验,包括与现有算法的比较,分析了该采样器的性能。该采样器还被测试为基于MRF的标记问题的优化算法。 引用于2文件 MSC公司: 68平方英寸10 图像处理的计算方法 68T45型 机器视觉和场景理解 62M40型 随机字段;图像分析 关键词:随机建模;蒙特卡罗抽样法;目标检测;大型场景;能量最小化;点过程;马尔可夫随机场 PDF格式BibTeX公司 XML格式引用 \textit{Y.Verdié}和\textit{F.Lafarge},国际计算机杂志。视觉。106,第1号,57--75(2014;Zbl 1328.68282) 全文: 内政部 哈尔 参考文献: [1] Baddeley,A.J.和;Lieshout,M.V.(1993)。高级视觉中的随机几何模型。应用统计学杂志,20(5-6),231-256·doi:10.1080/02664769300000065 [2] 基准,(2013年)。数据集、结果和评估工具。http://www-sop.inria.fr/members/Florent.Lafarge/benchmark/evaluation.html . [3] Besag,J.E.(1986年)。关于脏图片的统计分析。《皇家统计学会杂志》,48(3),259-302·Zbl 0609.62150号 [4] Boykov,Y.、Veksler,O.和;Zabih,R.(2001)。通过图形切割实现快速近似能量最小化。模式分析与机器智能,23(11),1222-1239·数字对象标识代码:10.1109/34.969114 [5] Byrd,J.、Jarvis,S.和;Bhalerao,A.(2010年)。基于mcmc的图像处理的并行化。IEEE并行和分布式处理国际研讨会。美国亚特兰大。 [6] Chai,D.、Forstner,W.和;Lafarge,F.(2013)。通过连接点过程恢复图像中的线网络。计算机视觉和模式识别,波特兰。 [7] Chai,D.、Forstner,W.和;Yang,M.Y.(2012)。结合马尔可夫随机场和标记点过程从遥感图像中提取建筑物。国际摄影测量和遥感学会大会。澳大利亚墨尔本。 [8] Descombes,X.(2011)。图像分析的随机几何。牛津:威利·Zbl 1230.60004号 [9] Descombes,X.、Minlos,R.和;Zhizhina,E.(2009)。使用连续统中的随机生灭动力学进行对象提取。数学成像与视觉杂志,33(3),347-359·Zbl 1523.68146号 ·doi:10.1007/s10851-008-0117-y [10] Earl,D.和;Deem,M.(2005)。平行回火:理论、应用和新观点。物理化学化学物理,23(7),3910–3916·doi:10.1039/b509983h [11] Ge,W.和;Collins,R.(2009)。用于人群计数的标记点进程。计算机视觉和模式识别。迈阿密。 [12] Gonzalez,J.、Low,Y.、Gretton,A.和;Guestrin,C.(2011)。平行吉布斯采样:从彩色区域到薄连接树。机器学习研究杂志,15,324–332。 [13] Green,P.(1995)。可逆跳马尔可夫链蒙特卡罗计算和贝叶斯模型确定。《生物特征》,82(4),711-732·Zbl 0861.62023号 ·doi:10.1093/生物技术/82.4711 [14] 美国格伦纳德;Miller,M.(1994)。复杂系统中知识的表示。《皇家统计学会杂志》,56(4),549-603·Zbl 0814.62009号 [15] 韩,F.,涂,Z.W.,&;Zhu,S.(2004)。一种有效的跳跃-扩散距离图像分割方法。模式分析与机器智能,26(9),1138-1153·Zbl 05112233号 ·doi:10.1109/TPAMI.2004.70 [16] Harkness,M.和;Green,P.(2000)。用于对象识别的并行链、延迟拒绝和可逆跳跃mcmc。英国机器视觉会议。英国布里斯托尔。 [17] Hastings,W.(1970年)。使用马尔可夫链的蒙特卡罗抽样及其应用。《生物特征》,57(1),97–109·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97 [18] Lacoste,C.,Descombe,X.,&;Zerubia,J.(2005)。遥感中无监督线网提取的点处理。模式分析与机器智能,27(10),1568-1579·Zbl 05112478号 ·doi:10.1109/TPAMI.2005.206 [19] Lafarge,F.、Gimel’farb,G.和;Descombes,X.(2010年)。通过多标记点过程提取几何特征。模式分析与机器智能,32(9),1597-1609·doi:10.1109/TPAMI.2009.152 [20] 拉法基,F.,&;Mallet,C.(2012年)。从三维点云创建大规模城市模型:一种具有混合表示的稳健方法。国际计算机视觉杂志,99(1),69-85·Zbl 06125646号 ·doi:10.1007/s11263-012-0517-8 [21] Lehmussola,A.、Ruusuvuori,P.、Selinummi,J.、Huttunen,H.和;Yli-Harja,O.(2007)。用细胞群模拟荧光显微镜图像的计算框架。IEEE医学成像汇刊,26(7),1010-1016。 [22] Lempitsky,V.和;Zisserman,A.(2010年)。学习数数图像中的物体。神经信息处理系统会议。加拿大温哥华。 [23] Li,S.(2001)。图像分析中的马尔可夫随机场建模。柏林:斯普林格·Zbl 0978.68130号 [24] Lieshout,M.V.(2008)。使用马尔可夫序列对象过程计算可变数量的移动对象的深度图。模式分析与机器智能,30(7),1308-1312·兹伯利05340916 ·doi:10.1109/TPAMI.2008.45 [25] Liu,J.(2001)。科学计算中的蒙特卡罗策略。纽约:斯普林格·Zbl 0991.65001号 [26] Mallet,C.,Lafarge,F.,Roux,M.,Soergel,U.,Bretar,F.和;Heipke,C.(2010年)。激光雷达波形建模的标记点过程。IEEE图像处理汇刊,19(12),3204–3221·Zbl 1371.94253号 ·doi:10.1109/TIP.2010.2052825 [27] Nguyen,H.-G.,Fablet,R.和;Bouchet,J.(2010)。用于纹理识别的视觉关键点的空间统计。欧洲计算机视觉会议。希腊赫拉克利翁。 [28] Ortner,M.、Descombes,X.和;Zerubia,J.(2008)。矩形和线段的标记点处理,用于数字高程模型的自动分析。模式分析与机器智能,30(1),105–119·Zbl 05340716号 ·doi:10.1109/TPAMI.2007.1159 [29] M.罗切里、I.杰明;Zerubia,J.(2006年)。高阶活动轮廓。国际计算机视觉杂志,69(3),335–351·Zbl 05062713号 ·doi:10.1007/s11263-006-6851-y [30] Salamon,P.、Sibani,P.和;Frost,R.(2002年)。模拟退火的事实、推测和改进。费城:SIAM数学建模与计算专著·Zbl 1070.90137号 [31] Srivastava,A.、Grenander,U.、Jensen,G.和;Miller,M.(2002)。正交群上用于物体姿态估计的跳-扩散马尔可夫过程。《统计规划与推断杂志》,103(1-2),15-27·Zbl 1010.62077号 ·doi:10.1016/S0378-3758(01)00195-1 [32] Stoica,R.S.、Martinez,V.和;萨尔,E.(2007年)。探测宇宙细丝的三维物体点过程。《皇家统计学会杂志》,56(4),459。 [33] Sun,K.,Sang,N.和;张涛(2007)。血管造影上血管树提取的标记点过程。计算机视觉和模式识别中的能量最小化方法。中国鄂州。 [34] Szeliski,R.、Zabih,R.,Scharstein,D.、Veksler,O.、Kolmogorov,V.、Agarwala,A.等人(2008年)。马尔可夫随机场能量最小化方法与基于平滑度先验的比较研究。模式分析与机器智能,30(6),1068·Zbl 05340877号 ·doi:10.10109/TPAMI.2007.70844 [35] 图、Z、&;Zhu,S.(2002)。基于数据驱动的马尔可夫链蒙特卡罗图像分割。模式分析与机器智能,24(5),657-673·doi:10.1109/34.1000239 [36] Utasi,A.和;Benedek,C.(2011)。用于多视图人员检测的三维标记点过程模型。计算机视觉和模式识别会议。美国科罗拉多斯普林斯。 [37] Verdie,Y.和;Lafarge,F.(2012年)。用于检测大型场景中参数化对象的高效蒙特卡罗采样器。欧洲计算机视觉会议。意大利费伦泽。 [38] Weiss,Y.,&;Freeman,W.(2001)。关于任意图中最大乘积信念传播算法解的最优性。IEEE信息理论汇刊,47(2),736–744·Zbl 1002.94057号 ·doi:10.1109/18.910585 [39] Zhu,S.,Guo,C.,Wang,Y.,&;徐政(2005)。什么是短信?国际计算机视觉杂志,62(1-2),121-143·doi:10.1007/s11263-005-4638-1 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。