Probabilistic contextual models for object class recognition in uncontrived images.
Konteks merupakan suatu elemen penting dalam mendapatkan penjelasan yang bererti untuk sesuatu imej bagi kedua-dua sistem visual biologi dan buatan. Tesis ini mencadangkan permodelan hubungan konteks di antara objek dunia nyata di dalam imej yang tidak dibuat-buat bagi meningkatkan prestasi pengecam...
Saved in:
Main Author: | |
---|---|
Format: | Thesis |
Language: | English |
Published: |
2011
|
Subjects: | |
Online Access: | http://eprints.usm.my/43011/1/Pages_from_Probabilistic_Contextual_Model_for_Object_Class_Recognition-2.pdf |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | Konteks merupakan suatu elemen penting dalam mendapatkan penjelasan yang bererti untuk sesuatu imej bagi kedua-dua sistem visual biologi dan buatan. Tesis ini mencadangkan permodelan hubungan konteks di antara objek dunia nyata di dalam imej yang tidak dibuat-buat bagi meningkatkan prestasi pengecaman kelas objek. Dua model kebarangkalian dicadangkan iaitu Semantic Context Model (SCM) dan Spatial Context Model (SpCM) - untuk memodelkan hubungan kontekstual semantik dan ruangan peringkat tinggi.
Context is a vital element in deriving meaningful explanation of an image for both biological, as well as, artificial vision systems. This thesis proposes to model contextual relation among real-world objects in uncontrived images in order to improve object class recognition performance. Two probabilistic models are proposed – Semantic Context Model (SCM), and Spatial Context Model (SpCM) to model high-level semantic and spatial contextual relations respectively. |
---|