1

[ 1 ]に基づいた自動色かぶり除去を実装しています。これは、堅牢で、シンプルでありながら、パフォーマンスの高い方法のようです。植生の広い領域や水などの主要な色による固有のキャストの削除を回避するために、[ 2 ]で説明されている画像注釈の方法を使用します。

色かぶり検出器は、マルチクラスサポートベクターマシンを使用して、画像領域を空、肌、植生、水などに分類します。私の問題は、[ 2 ]は方法を説明しているだけであり、SVMのトレーニングから得られた超平面のパラメーターが含まれていないことです。新しいSVMのトレーニングは私の範囲からはほど遠いですが、すぐに使用できるデータを含む同様の作業は見つかりませんでした。私は本当に次のいずれかをいただければ幸いです。

A.[ 2 ]の方法を使用したトレーニングから得られた超平面パラメータのセット。

B.訓練されたパラメータを含む、または訓練を必要としない、空/皮膚/植生/水のための他のいくつかの画像注釈方法。

C. [ 2 ]の方法を使用して、新しいSVMをトレーニングするために使用できる、空/肌/植生/水の注釈付き領域を含む無料の画像データベース。

参考文献

  1. F.GaspariniとR.Schettini「単純な画像統計を使用したデジタル写真のカラーバランシング」
  2. C. Cusano、G。Ciocca、R。Schettini「SVMを使用した画像注釈」
4

1 に答える 1

2

著者の1人から回答を得ましたが、コードやデータが残っていません。代わりに、彼は私にcolorconstancy.comを指摘しました。これには、ソースコードとさまざまな画像データベースの両方へのリンクが含まれています。彼はまた、アルゴリズムのトレーニングに使用する注釈付きの画像データベースを含むweb.mit.edu/torralba/www/についても言及しました。

于 2013-02-07T12:42:25.587 に答える