Submit Search
Upload
動的輪郭モデル
•
Download as PPTX, PDF
•
8 likes
•
15,210 views
A
Arumaziro
Follow
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.
Read less
Read more
Science
Report
Share
Report
Share
1 of 21
Download now
Recommended
Sift特徴量について
Sift特徴量について
la_flance
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
sleepy_yoshi
線形計画法入門
線形計画法入門
Shunji Umetani
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
MIRU2016 チュートリアル
MIRU2016 チュートリアル
Shunsuke Ono
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
最適輸送入門
最適輸送入門
joisino
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
Recommended
Sift特徴量について
Sift特徴量について
la_flance
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
sleepy_yoshi
線形計画法入門
線形計画法入門
Shunji Umetani
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
MIRU2016 チュートリアル
MIRU2016 チュートリアル
Shunsuke Ono
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
最適輸送入門
最適輸送入門
joisino
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
Shogo Muramatsu
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
StyleGAN解説 CVPR2019読み会@DeNA
StyleGAN解説 CVPR2019読み会@DeNA
Kento Doi
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
Toru Tamaki
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
京都大学大学院情報学研究科数理工学専攻
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
(文献紹介) 画像復元:Plug-and-Play ADMM
(文献紹介) 画像復元:Plug-and-Play ADMM
Morpho, Inc.
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
Morpho, Inc.
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
MPRG_Chubu_University
よくわかるフリストンの自由エネルギー原理
よくわかるフリストンの自由エネルギー原理
Masatoshi Yoshida
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
Deep Learning JP
劣微分
劣微分
ShintaUrakami
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
1章前半
1章前半
Ogawa Shuhei
Chapter1 4.6
Chapter1 4.6
Takuya Minagawa
More Related Content
What's hot
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
Shogo Muramatsu
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
StyleGAN解説 CVPR2019読み会@DeNA
StyleGAN解説 CVPR2019読み会@DeNA
Kento Doi
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
Toru Tamaki
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
京都大学大学院情報学研究科数理工学専攻
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
(文献紹介) 画像復元:Plug-and-Play ADMM
(文献紹介) 画像復元:Plug-and-Play ADMM
Morpho, Inc.
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
Morpho, Inc.
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
MPRG_Chubu_University
よくわかるフリストンの自由エネルギー原理
よくわかるフリストンの自由エネルギー原理
Masatoshi Yoshida
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
Deep Learning JP
劣微分
劣微分
ShintaUrakami
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
What's hot
(20)
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
StyleGAN解説 CVPR2019読み会@DeNA
StyleGAN解説 CVPR2019読み会@DeNA
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
(文献紹介) 画像復元:Plug-and-Play ADMM
(文献紹介) 画像復元:Plug-and-Play ADMM
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
(文献紹介)エッジ保存フィルタ:Side Window Filter, Curvature Filter
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
よくわかるフリストンの自由エネルギー原理
よくわかるフリストンの自由エネルギー原理
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
[DL輪読会] Adversarial Skill Chaining for Long-Horizon Robot Manipulation via T...
劣微分
劣微分
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
coordinate descent 法について
coordinate descent 法について
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Viewers also liked
1章前半
1章前半
Ogawa Shuhei
Chapter1 4.6
Chapter1 4.6
Takuya Minagawa
Semantic segmentation
Semantic segmentation
Takuya Minagawa
A brief introduction to recent segmentation methods
A brief introduction to recent segmentation methods
Shunta Saito
0528 kanntigai ui_ux
0528 kanntigai ui_ux
Saori Matsui
女子の心をつかむUIデザインポイント - MERY編 -
女子の心をつかむUIデザインポイント - MERY編 -
Shoko Tanaka
Chapter1 4.6 mod
Chapter1 4.6 mod
Takuya Minagawa
Building and road detection from large aerial imagery
Building and road detection from large aerial imagery
Shunta Saito
#FTMA15 第六回課題 全コースサーベイ
#FTMA15 第六回課題 全コースサーベイ
Yoichi Ochiai
#FTMA15 第五回課題 全コースサーベイ
#FTMA15 第五回課題 全コースサーベイ
Yoichi Ochiai
#FTMA15 第七回課題 全コースサーベイ
#FTMA15 第七回課題 全コースサーベイ
Yoichi Ochiai
顕著性マップの推定手法
顕著性マップの推定手法
Takao Yamanaka
DeepPose: Human Pose Estimation via Deep Neural Networks
DeepPose: Human Pose Estimation via Deep Neural Networks
Shunta Saito
DeepAKB
DeepAKB
Takanori Ogata
Digital Nature Group at Ars Electronica Summit
Digital Nature Group at Ars Electronica Summit
Yoichi Ochiai
ラスタ図形詰込み問題に対する局所探索法の特徴点抽出を用いた効率化
ラスタ図形詰込み問題に対する局所探索法の特徴点抽出を用いた効率化
Shunji Umetani
落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS
Yoichi Ochiai
Discrete MRF Inference of Marginal Densities for Non-uniformly Discretized Va...
Discrete MRF Inference of Marginal Densities for Non-uniformly Discretized Va...
Masaki Saito
LINE 2016 エンジニアインターン 03
LINE 2016 エンジニアインターン 03
LINE Corporation
LINE 2016 エンジニアインターン 02
LINE 2016 エンジニアインターン 02
LINE Corporation
Viewers also liked
(20)
1章前半
1章前半
Chapter1 4.6
Chapter1 4.6
Semantic segmentation
Semantic segmentation
A brief introduction to recent segmentation methods
A brief introduction to recent segmentation methods
0528 kanntigai ui_ux
0528 kanntigai ui_ux
女子の心をつかむUIデザインポイント - MERY編 -
女子の心をつかむUIデザインポイント - MERY編 -
Chapter1 4.6 mod
Chapter1 4.6 mod
Building and road detection from large aerial imagery
Building and road detection from large aerial imagery
#FTMA15 第六回課題 全コースサーベイ
#FTMA15 第六回課題 全コースサーベイ
#FTMA15 第五回課題 全コースサーベイ
#FTMA15 第五回課題 全コースサーベイ
#FTMA15 第七回課題 全コースサーベイ
#FTMA15 第七回課題 全コースサーベイ
顕著性マップの推定手法
顕著性マップの推定手法
DeepPose: Human Pose Estimation via Deep Neural Networks
DeepPose: Human Pose Estimation via Deep Neural Networks
DeepAKB
DeepAKB
Digital Nature Group at Ars Electronica Summit
Digital Nature Group at Ars Electronica Summit
ラスタ図形詰込み問題に対する局所探索法の特徴点抽出を用いた効率化
ラスタ図形詰込み問題に対する局所探索法の特徴点抽出を用いた効率化
落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS
Discrete MRF Inference of Marginal Densities for Non-uniformly Discretized Va...
Discrete MRF Inference of Marginal Densities for Non-uniformly Discretized Va...
LINE 2016 エンジニアインターン 03
LINE 2016 エンジニアインターン 03
LINE 2016 エンジニアインターン 02
LINE 2016 エンジニアインターン 02
動的輪郭モデル
1.
動的輪郭モデル Active Contours Model あるまじろ
2.
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
3.
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
4.
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
5.
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
6.
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)
7.
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
8.
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
9.
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
10.
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
11.
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,
12.
𝜑𝑖,𝑗 𝜑𝑖−1,𝑗 𝜑𝑖,𝑗+1 𝜑𝑖+1,𝑗 𝜑𝑖,𝑗−1 補助関数値の更新(例) 𝜑
13.
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
14.
15.
16.
17.
18.
19.
20.
21.
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/
Download now