文献

J-GLOBAL ID：201602271917463986   整理番号：16A1384579

完全畳込み符号器-復号器ネットワークを用いた物体輪郭検出【Powered by NICT】

Object Contour Detection with a Fully Convolutional Encoder-Decoder Network

著者 (5件)： Yang Jimei ,  Price Brian ,  Cohen Scott ,  Lee Honglak ,  Yang Ming-Hsuan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CVPR  ページ： 193-202  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 完全に畳込み符号器-復号器ネットワークを用いた輪郭検出のための深層学習アルゴリズムを開発した。以前の低レベルエッジ検出とは異なり,著者らのアルゴリズムは,高レベルのオブジェクト輪郭の検出に焦点を当てた。筆者らのネットワークは,不正確な多角形アノテーションから洗練されたグランドトルースを持つPASCAL VOCにエンドツーエンド訓練された,従来の方法よりも物体輪郭検出で非常に高い精度を得た。学習されたモデルは,MS COCOに同じsupercategoriesから未知のオブジェクトクラスに一般化し,BSDS500に関する最新技術エッジ検出と一致し微調整できることを見出した。マルチスケールでのコンビナトリアルなグルーピングアルゴリズムと組合せて,著者らの方法は,高品質セグメント化オブジェクト提案,比較的少量候補の(画像当たり~1660)とPASCAL VOC(揮発性有機化合物(0.62~0.67の平均再現率を改善)に関する最先端技術を進歩させる有意にを発生させることができる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習アルゴリズム ,  *ネットワーク ,  エッジ検出 ,  PASCAL ,  アルゴリズム ,  *畳込み符号 ,  エンドツーエンド方式 ,  セグメンテーション ,  アノテーション ,  *復号器
準シソーラス用語： 再現率 ,  マルチスケール ,  オブジェクトクラス ,  グランドトゥルース ,  *輪郭抽出 , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 畳込み符号 ,  復号器 ,  物体 ,  輪郭検出