Show simple item record

dc.contributor.authorAteş, Hasan Fehmien_US
dc.contributor.authorAk, Kenan Emiren_US
dc.date.accessioned2019-06-27T14:18:47Z
dc.date.available2019-06-27T14:18:47Z
dc.date.issued2015-06-19
dc.identifier.citationAk, K. E. & Ateş, H. F. (2015). Scene segmentation and labeling using multi-hypothesis superpixels. Paper presented at the 2015 23nd Signal Processing and Communications Applications Conference (SIU), 847-850. doi:10.1109/SIU.2015.7129961en_US
dc.identifier.isbn9781467373869
dc.identifier.issn2165-0608
dc.identifier.otherWOS:000380500900192
dc.identifier.urihttps://hdl.handle.net/11729/1618
dc.identifier.urihttp://dx.doi.org/10.1109/SIU.2015.7129961
dc.description.abstractSüperpikseller son zamanlarda imge bölütleme ve sınıflandırma problemlerinde giderek önem kazanmaktadır. Sahne etiketlemede imge öncelikle bir süperpiksel algoritması ile görsel olarak tutarlı küçük parçalara bölütlenmekte; daha sonra süperpikseller farklı sınıflara ayrı¸stırılmaktadır. Sınıflandırma performansı kullanılan süperpiksel algoritmasının özellikleri ve parametre ayarlarından önemli ölçüde etkilenmektedir. Bu bildiride sahne etiketleme doğruluğunu iyileştirmek için birden fazla süperpiksel bölütleme sonucunu sınıflandırıcı seviyesinde kaynaştıran bir yöntem önerilmiştir. Öncelikle basit, parametrik olmayan ve eğitim gerektirmeyen SuperParsing algoritması kullanılarak süperpiksel etiketleri için olabilirlik oranları tespit edilir. Daha sonra alternatif süperpiksel bölütleme senaryoları için hesaplanan olabilirlik oranları piksel seviyesinde kaynaştırılarak, ilgili sahnenin bölütlenmesi ve etiketlenmesi tamamlanır. Önerilen yöntem 2,688 imge ve 33 etiket içeren SIFT Flow veri kümesi üzerinde test edilmiş ve SuperParsing’den daha yüksek sınıflandırma doğruluğu elde edilmiştir.en_US
dc.description.abstractSuperpixels recently gained in importance in image segmentation and classification problems. In scene labeling the image is initially segmented into visually consistent small regions using a superpixel algorithm; then, superpixels are parsed into different classes. Classification performance heavily depends on the properties and parametric settings of the superpixel algorithm in use. In this paper, a method is proposed to improve scene labeling accuracy by fusing at classifier level the results of multiple superpixel segmentations. First, likelihood ratios are determined for superpixel labels using simple, nonparametric SuperParsing algorithm, which requires no training. Then, final scene segmentation and labeling is performed by pixel-level fusion of the likelihood ratios that are computed for alternative superpixel segmentation scenarios. The proposed method is tested on the SIFT Flow dataset consisting of 2,688 images and 33 labels, and is shown to outperform SuperParsing in terms of classification accuracy.en_US
dc.language.isoturen_US
dc.publisherIEEEen_US
dc.relation.isversionof10.1109/SIU.2015.7129961
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectİmge ayrıştırmaen_US
dc.subjectİmge bölütlemeen_US
dc.subjectSüperpikselen_US
dc.subjectAccuracyen_US
dc.subjectAlgorithmsen_US
dc.subjectClassification (of information)en_US
dc.subjectClassification accuracyen_US
dc.subjectClassification performanceen_US
dc.subjectComputer visionen_US
dc.subjectHistogramsen_US
dc.subjectImage classificationen_US
dc.subjectImage parsingen_US
dc.subjectImage processingen_US
dc.subjectImage recognitionen_US
dc.subjectImage resolutionen_US
dc.subjectImage segmentationen_US
dc.subjectLabelingen_US
dc.subjectLabeling accuraciesen_US
dc.subjectMultihypothesis superpixelsen_US
dc.subjectNonparametric SuperParsing algorithmen_US
dc.subjectPixel level fusionen_US
dc.subjectPixelsen_US
dc.subjectReactive poweren_US
dc.subjectScene labelingen_US
dc.subjectScene segmentationen_US
dc.subjectSemanticsen_US
dc.subjectSIFT Flow dataseten_US
dc.subjectSignal processingen_US
dc.subjectSuper pixelsen_US
dc.subjectSuperpixelen_US
dc.subjectSuperpixel segmentationsen_US
dc.subjectTransformsen_US
dc.titleÇok-hipotezli süperpikseller ile sahne bölütleme ve etiketlemeen_US
dc.title.alternativeScene segmentation and labeling using multi-hypothesis superpixelsen_US
dc.typeconferenceObjecten_US
dc.relation.journal2015 23nd Signal Processing and Communications Applications Conference (SIU)en_US
dc.contributor.departmentIşık Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümüen_US
dc.contributor.departmentIşık University, Faculty of Engineering, Department of Electrical-Electronics Engineeringen_US
dc.contributor.authorID0000-0002-6842-1528
dc.identifier.startpage847
dc.identifier.endpage850
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.contributor.institutionauthorAteş, Hasan Fehmien_US
dc.contributor.institutionauthorAk, Kenan Emiren_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record