Název: Fast and memory efficient feature detection using multiresolution probabilistic boosting trees
Autoři: Schulze, Florian
Major, David
Bühler, Katja
Citace zdrojového dokumentu: Journal of WSCG. 2011, vol. 19, no. 1-3, p. 33-40.
Datum vydání: 2011
Nakladatel: Václav Skala - UNION Agency
Typ dokumentu: article
článek
URI: http://wscg.zcu.cz/WSCG2011/!_2011_J_WSCG_1-3.pdf
http://hdl.handle.net/11025/1247
ISSN: 1213–6972 (hardcopy)
1213–6980 (CD-ROM)
1213–6964 (on-line)
Klíčová slova: detekce znaků;strojové učení;rozhodovací stromy
Klíčová slova v dalším jazyce: feature detection;machine learning;decision trees
Abstrakt: This paper presents a highly optimized algorithm for fast feature detection in 3D volumes. Rapid detection of structures and landmarks in medical 3D image data is a key component for many medical applications. To obtain a fast and memory efficient classifier, we introduce probabilistic boosting trees (PBT) with partial cascading and classifier sorting. The extended PBT is integrated into a multiresolution scheme, in order to improve performance and works on block cache data structure which optimizes the memory footprint. We tested our framework on real world clinical datasets and showed that classical PBT can be significantly speeded up even in an environment with limited memory resources using the proposed optimizations.
Práva: © Václav Skala - UNION Agency
Vyskytuje se v kolekcích:Number 1-3 (2011)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Schulze.pdf2,37 MBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/1247

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.