• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>European conference on computer vision >A Graph Theoretic Approach for Object Shape Representation in Compositional Hierarchies Using a Hybrid Generative-Descriptive Model
【24h】

A Graph Theoretic Approach for Object Shape Representation in Compositional Hierarchies Using a Hybrid Generative-Descriptive Model

机译：混合生成描述模型在组合层次结构中对象形状表示的图论方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A graph theoretic approach is proposed for object shape representation in a hierarchical compositional architecture called Compositional Hierarchy of Parts (CHOP). In the proposed approach, vocabulary learning is performed using a hybrid generative-descriptive model. First, statistical relationships between parts are learned using a Minimum Conditional Entropy Clustering algorithm. Then, selection of descriptive parts is defined as a frequent subgraph discovery problem, and solved using a Minimum Description Length (MDL) principle. Finally, part compositions are constructed using learned statistical relationships between parts and their description lengths. Shape representation and computational complexity properties of the proposed approach and algorithms are examined using six benchmark two-dimensional shape image datasets. Experiments show that CHOP can employ part shareability and indexing mechanisms for fast inference of part compositions using learned shape vocabularies. Additionally, CHOP provides better shape retrieval performance than the state-of-the-art shape retrieval methods.
机译：提出了一种图形理论方法，用于在称为零件组成层次结构（CHOP）的层次结构组成体系中进行对象形状表示。在提出的方法中，词汇学习是使用混合生成描述模型进行的。首先，使用最小条件熵聚类算法学习零件之间的统计关系。然后，将描述性部分的选择定义为频繁的子图发现问题，并使用最小描述长度（MDL）原理进行求解。最后，使用学习到的零件之间的统计关系及其描述长度来构造零件组成。使用六个基准二维形状图像数据集检查了所提出的方法和算法的形状表示和计算复杂度属性。实验表明，CHOP可以利用零件共享性和索引机制，利用学习的形状词汇快速推断零件组成。此外，与最新的形状检索方法相比，CHOP提供了更好的形状检索性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号