Resumen

La finalización de la forma es una tarea importante en el campo del procesamiento de imágenes. Un método alternativo es capturar la información de la forma y terminar la terminación mediante un modelo generativo, como la máquina de Boltzmann profunda. Con su potente capacidad para tratar la distribución de las formas, es bastante fácil adquirir el resultado mediante el muestreo del modelo. En este trabajo, hacemos uso de la activación oculta de la DBM y la incorporamos con las características de forma convolucionales para ajustar un modelo de regresión. Comparamos el resultado del modelo de regresión con la característica de forma incompleta para establecer una máscara adecuada y compacta para el muestreo del DBM. El experimento muestra que nuestro método puede obtener resultados realistas sin ninguna información previa sobre la forma incompleta del objeto.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:modelo de regresión, máquina profunda de Boltzmann, características de forma incompleta, forma de objeto incompleta, campo de imagen, características de forma convolucionales, dbm, métodos alternativos, muestreo, información de forma
• Keywords:regression model, deep boltzmann machine, incomplete shape features, incomplete object shape, field of image, convolutional shape features, dbm, alternative methods, sampling, shape information