文献

J-GLOBAL ID：201702249652676530   整理番号：17A0116413

完全畳込みネットワークを用いた結合セグメンテーションと分類【Powered by NICT】

Joint segmentation and classification with fully convolutional networks

著者 (2件)： Shen Falong (Key Laboratory on Machine Perception, Peking University) ,  Gan Rui (Key Laboratory on Machine Perception, Peking University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSAI  ページ： 338-343  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： 局所外見ディスクリプタから予測を検証し,その整合ラベリングを保証するために大域画像特徴利用する関節セグメンテーションと分類アプローチを提案した。間相互作用は完全に畳込みネットワーク(FCN)部分を統一された深い学習モデルのパラメータ学習プロセスによりコードされている。FCNは比較的大きなレセプト場を持っているが,全体として画像コンテンツの統合は,予測をより合理的かつ論理的にし,局所近傍におけるコインシデンスを示したグローバルなガイドを抑制する可能性が高いからである。もラベル互換性,物体境界を描写するための両側フィルタリングに基づくCRFに対する追加的な制約を提供するためのコンテンツ感度の良い共起事前を提案した。実験結果は,このモデルがPascal VOC2012セグメンテーションベンチマーク上で交差の和集合スコア77.0%の最先端の研究の大部分より優れていることを示した。Copyright 2017 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： 統制索引語 ,  学習モデル ,  *畳込み ,  互換性 ,  ラベリング ,  *ネットワーク ,  フィルタリング ,  画像特性 ,  *セグメンテーション ,  コンテンツ ,  相互作用
準シソーラス用語： スコア ,  映像コンテンツ ,  パラメータ学習 , 【Automatic Indexing@JST】

分類 (9件)： 液体構造一般  (BK02010E) ,  食品衛生一般  (FJ01051H) ,  溶液論一般  (CB05010Z) ,  生物物理的研究法  (EA03020V) ,  図形・画像処理一般  (JE04010I) ,  食品の検査・取締り  (FJ01054G) ,  可視・紫外スペクトル一般(分子)  (BH06041V) ,  パターン認識  (JE07000S) ,  論理代数  (JB03000H)

タイトルに関連する用語 (3件)： 畳込み ,  セグメンテーション ,  分類