MétaCan
Menu
Retour à la cohorte
Enregistrement W2015083379 · doi:10.1109/tip.2007.903907

Subspace-Based and DIRECT Algorithms for Distorted Circular Contour Estimation

2007· article· en· W2015083379 sur OpenAlexaff
Julien Marot, Salah Bourennane

Notice bibliographique

RevueIEEE Transactions on Image Processing · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Object Detection Techniques
Établissements canadiensCegep de Saint Jerome
Organismes subventionnairesnon disponible
Mots-clésHough transformAlgorithmEllipseMathematicsSubspace topologyInterpolation (computer graphics)Artificial intelligenceComputer scienceComputer visionGeometryImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Circular features are commonly sought in digital image processing. The subspace-based line detection (SLIDE) method proposed to estimate the center and the radius of a single circle. In this paper, we introduce a novel method for estimating several radii while extending the circle estimation to retrieve circular-like distorted contours. Particularly, we develop and validate a new model for virtual signal generation by simulating a circular antenna. The circle center is estimated by the SLIDE method. A variable speed propagation scheme toward the circular antenna yields a linear phase signal. Therefore, a high-resolution method provides the radius. Either the gradient method or the more robust combination of dividing rectangles and spline interpolation can extend this method extend this method for free form object segmentation. The retrieval of multiple non concentric circles and rotated ellipses is also considered. To evaluate the performance of the proposed methods, we compare them with a least-squares method, Hough transform, and gradient vector flow. We apply the proposed method to hand-made images while considering some real-world images.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,279
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Image ProcessingMême sujetImage and Object Detection TechniquesTravaux en français237 207