Home
Explore
Submit Search
Upload
Login
Signup
Advertisement
Check these out next
【解説】 一般逆行列
Kenjiro Sugimoto
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
SLAM勉強会(PTAM)
Masaya Kaneko
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
Deep Learning JP
ORB-SLAMの手法解説
Masaya Kaneko
PRML第6章「カーネル法」
Keisuke Sugawara
[DL輪読会]GQNと関連研究,世界モデルとの関係について
Deep Learning JP
1
of
21
Top clipped slide
動的輪郭モデル
Jul. 16, 2014
•
0 likes
8 likes
×
Be the first to like this
Show More
•
14,851 views
views
×
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Download Now
Download to read offline
Report
Science
研究室でのゼミ発表資料として作成しました. 動的輪郭法(Snakes,Level set法)の紹介用です. 多数の参考資料に助けられました.
Arumaziro
Follow
Advertisement
Advertisement
Advertisement
Recommended
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
2.3K views
•
15 slides
Optimizer入門&最新動向
Motokawa Tetsuya
22K views
•
21 slides
Lucas kanade法について
Hitoshi Nishimura
20K views
•
15 slides
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
ARISE analytics
7.4K views
•
33 slides
ELBO型VAEのダメなところ
KCS Keio Computer Society
2.3K views
•
12 slides
画像認識の初歩、SIFT,SURF特徴量
takaya imai
227K views
•
22 slides
More Related Content
Slideshows for you
(20)
【解説】 一般逆行列
Kenjiro Sugimoto
•
78.8K views
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
•
18.5K views
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
•
29.4K views
SLAM勉強会(PTAM)
Masaya Kaneko
•
21.4K views
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
Deep Learning JP
•
3.8K views
ORB-SLAMの手法解説
Masaya Kaneko
•
30.4K views
PRML第6章「カーネル法」
Keisuke Sugawara
•
28K views
[DL輪読会]GQNと関連研究,世界モデルとの関係について
Deep Learning JP
•
8.6K views
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
•
13.9K views
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
•
8.4K views
Structure from Motion
Ryutaro Yamauchi
•
6.4K views
[DL輪読会]Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images
Deep Learning JP
•
2.4K views
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
•
31K views
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
•
17K views
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
•
13.5K views
[DL輪読会]Glow: Generative Flow with Invertible 1×1 Convolutions
Deep Learning JP
•
5.8K views
グラフィカルモデル入門
Kawamoto_Kazuhiko
•
114.6K views
[DL輪読会]近年のエネルギーベースモデルの進展
Deep Learning JP
•
2.2K views
【DL輪読会】"A Generalist Agent"
Deep Learning JP
•
1.1K views
初めてのグラフカット
Tsubasa Hirakawa
•
8.5K views
Recently uploaded
(20)
①【汉堡大学毕业证文凭学位证书|工艺完美复刻】
vgh215w
•
2 views
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf
Akira Shibata
•
176 views
在哪里可以做《麦考瑞大学文凭证书|毕业证》
kjds1245
•
2 views
Promotion of Migration from Urban to Local Areas in Mongolia
Kunio Minato
•
53 views
Sound.pptx
Ryuji Dohaku
•
42 views
《威斯康星大学绿湾分校毕业证|学位证书校内仿真版本》
d520dasw12
•
2 views
在哪里可以做《堪萨斯大学文凭证书|毕业证》
lobd15
•
2 views
留学生案例《西伊利诺伊大学学位毕业证书和学士文凭》
uijn12a
•
2 views
在哪里可以做《伯恩茅斯大学文凭证书|毕业证》
1232hdjk
•
2 views
《威得恩大学毕业证|学位证书校内仿真版本》
w124dsa
•
3 views
留信网认证可查【麻省大学波士顿分校文凭证书毕业证购买】
hh123hh1
•
2 views
キャッシュオブリビアスアルゴリズム
joisino
•
3 views
☀️《Sunderland毕业证仿真》
DAS54SA
•
2 views
在哪里可以做《怀俄明大学文凭证书|毕业证》
lobd15
•
2 views
留学生案例《利兹大学学位毕业证书和学士文凭》
36dsahj
•
2 views
在哪里可以做《利兹贝克特大学文凭证书|毕业证》
25ds12d
•
3 views
留信网认证可查【奥克兰商学院文凭证书毕业证购买】
ihh14ds
•
2 views
留学生案例《圣地亚哥大学学位毕业证书和学士文凭》
uijn12a
•
2 views
water_quality.pptx
Ryuji Dohaku
•
12 views
留学学分不够办理《美国艾德菲大学假文凭毕业证》
250dsacd
•
2 views
Advertisement
動的輪郭モデル
動的輪郭モデル Active Contours Model あるまじろ
Active Contour Modelとは •
Active Contour Model 対象となる空間を領域の性質を表す指標(エッジや他の特 徴量など)により複数の領域に分割 分割した領域は時間変化により,その境界線が連続的に 変化 • 手法は大まかに2種類 Snakes法 Level set法
Snakesとは 前提1: 曲線はパラメータ表現される 前提2: 曲線のエネルギーを設定 𝜀
𝑣 = 𝛼𝜀𝑙𝑒𝑛 + 𝛽𝜀 𝑐𝑢𝑟𝑣 + 𝛾𝜀𝑖𝑚𝑔 𝜀𝑙𝑒𝑛 = 0 1 𝑑𝑣 𝑠 𝑑𝑠 2 𝑑𝑠 𝜀 𝑐𝑢𝑟𝑣 = 0 1 𝑑2 𝑣 𝑠 𝑑𝑠2 2 𝑑𝑠 𝜀𝑖𝑚𝑔 = − 0 1 𝛻 𝐺 ⊗ 𝐼 𝑣 𝑠 𝑑𝑠 :弧長に対応する項 :曲率に対応する項 :勾配強度に対応する項 v 𝑠 = 𝑥 𝑠 𝑦 𝑠 s ∈ 0,1
Snakes(貪欲法) 𝜀𝑙𝑒𝑛 = 𝑖=1 𝑁 𝑣𝑖 −
𝑣𝑖−1 2 𝜀 𝑐𝑢𝑟𝑣 = 𝑖=1 𝑁 𝑣𝑖+1 + 𝑣𝑖−1 − 2𝑣𝑖 2 𝜀𝑖𝑚𝑔 = − 𝑖=1 𝑁 𝐼′ 𝑣𝑖 :弧長に対応する項 :曲率に対応する項 :勾配強度に対応する項 𝜀 𝑣 = 𝛼𝜀𝑙𝑒𝑛 + 𝛽𝜀 𝑐𝑢𝑟𝑣 + 𝛾𝜀𝑖𝑚𝑔
𝜀 𝑣 =
𝛼𝜀𝑙𝑒𝑛 + 𝛽𝜀 𝑐𝑢𝑟𝑣 + 𝛾𝜀𝑖𝑚𝑔 Snakes(貪欲法)の解法 Step1: 曲線は指定 Step2: 変数を設定・初期化 d : 頂点の総移動量 n : 繰り返し回数 Step3: n=0にする 頂点の8近傍の𝜀 𝑣 を それぞれ計算 Step4: 𝜀 𝑣 最小の画素へ移動 し,移動量をdに加算 Step5: すべての頂点において 計算をし,Step3に戻る Step6: しきい値以下のdになる か,n回処理したら終了
Snakes(まとめ) • 利点 ノイズに強い領域分割
高速かつ実装が簡単 • 欠点 パラメータに強く依存 初期輪郭線に強く依存 複数物体の分割が困難(位相問題)
Level set法とは • 位相変化が可能な動的輪郭モデル •
領域の分離,結合を自然な形で表現可能 前提1: 曲線は𝜑 𝑥, 𝑦, 𝑡 のゼロ等高線 として表現 前提2: 曲線上の点は,法線方向に動く 接線 法線
Level set法(Upwind Scheme) Step1:
曲線は指定 Step2: 変数を設定・初期化 𝜑 : グリッドの補助関数値 F : 成長速度を保持するスカラー量 n : 繰り返し回数 Step3: 閉曲線上のグリッドに対して, 𝜑 = 0を設定. 境界を基準として符号付距離 (内側が負,外側が正)を与 える Step4: 成長速度の計算
𝜑 0 0 0 0 0 0
0 0 0 0 0 -2 -3 -2 -2 -1 -1 -1 -1 -2 -1 -2 5 4 3 -2 -3 ・・・ ・・・ F(値は適当) -3 -3 -2 ・・・ -2 -2 -3 Step3(左)とStep4(右)の図解
Step5: 補助関数値の更新 Step6: Zero
level setの検出 Step7: 再初期化 閉曲線上のグリッドに対して, 𝜑 = 0を設定. 境界を基準として符号付距離 (内側が負,外側が正)を与 える Step8: Step.3~Step.6をφの変化量 が閾値以下になるか,繰り返 し回数nが一定値を超えるま で繰り返す Level set法(Upwind Scheme)の続き
𝐹|𝛻𝜑| = 𝛻+or𝛻− 𝛻+
= max(𝐷−𝑥 𝑖.𝑗)2 + m𝑖𝑛(𝐷+𝑥 𝑖.𝑗)2 + max(𝐷−𝑦 𝑖.𝑗)2 + m𝑖𝑛(𝐷+𝑦 𝑖.𝑗)2 𝛻− = max(𝐷+𝑥 𝑖.𝑗)2 + m𝑖𝑛(𝐷−𝑥 𝑖.𝑗)2 + max(𝐷+𝑦 𝑖.𝑗)2 + m𝑖𝑛(𝐷−𝑦 𝑖.𝑗)2 補助関数値の更新 𝐷−𝑥 𝑖.𝑗 = 𝜑𝑖,𝑗 − 𝜑𝑖−1,𝑗 ℎ 𝐷+𝑥 𝑖.𝑗 = 𝜑𝑖+1,𝑗 − 𝜑𝑖,𝑗 ℎ 𝐷−𝑦 𝑖.𝑗 = 𝜑𝑖,𝑗 − 𝜑𝑖,𝑗−1 ℎ 𝐷+𝑦 𝑖.𝑗 = 𝜑𝑖,𝑗+1 − 𝜑𝑖,𝑗 ℎ ただし,
𝜑𝑖,𝑗 𝜑𝑖−1,𝑗 𝜑𝑖,𝑗+1 𝜑𝑖+1,𝑗 𝜑𝑖,𝑗−1 補助関数値の更新(例) 𝜑
局所成長速度場と拡散成長速度場 局所成長速度場と拡散成長速度場に関する画像は, 参考より引用しております. 拡張成長速度場のほうが解が安定 かつ形状も高精度
参考 • 「バイオメディカルエンジニアリング 5,6コマ目
画像処理概論1」 http://www.riken.jp/brict/Ijiri/classes/ • 「コンピュータビジョン アルゴリズムと応用」 私のバイブル • 「CV勉強会 発表資料 レベルセット法 4.6-4.12」 今回一番理解の助けになりました 後半の資料はここからの転載です http://www.slideshare.net/takmin/
Advertisement