MétaCan
Menu
Retour à la cohorte
Enregistrement W2115524834 · doi:10.1109/icpr.2008.4761620

Moving object segmentation using the 9/7–10/8 dual-tree complex filter bank

2008· article· en· W2115524834 sur OpenAlexaff
Aryaz Baradarani, Q. M. Jonathan Wu

Notice bibliographique

RevueProceedings - International Conference on Pattern Recognition/Proceedings/International Conference on Pattern Recognition · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Signal Denoising Methods
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésComplex wavelet transformArtificial intelligenceComputer visionSegmentationComputer scienceFilter bankWaveletFilter (signal processing)Tree (set theory)Pattern recognition (psychology)Image segmentationEdge detectionWavelet transformDiscrete wavelet transformMathematicsImage processingImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

This paper introduces our recently designed 9/7-10/8 dual-tree complex filter bank and studies its application in moving object detection and segmentation. The dual-tree complex wavelet transform (DT-CWT) is used in edge detection required for segmentation in video frames. The DT-CWT approach is compared with the previous methods based on scalar wavelets and multi-wavelets (MW), using double change detection (DCD) technique. The results show that DT-CWT with the 9/7-10/8 filter bank compare favorably to the previous results in terms of the number of detected edges and the correctness of the segmented area.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,004
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,202
Tête enseignante GPT0,342
Écart entre enseignants0,141 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings - International Conference on Pattern Recognition/Proceedings/International Conference on Pattern RecognitionMême sujetImage and Signal Denoising MethodsTravaux en français237 207