抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
セマンティックセグメンテーション研究は最近急速な進歩に直面しているが,オブジェクトインスタンスを識別できない多数の主導的手法。本論文では,インスタンス認識意味的セグメンテーションのためのマルチタスクネットワークカスケードを示した。著者らのモデルは,三つのネットワーク,それぞれ分化例から構成され,マスクを推定し,分類対象。これらのネットワークはカスケード構造を形成し,それらの畳込み特徴を共有するために設計した。はこの因果,カスケード構造の非自明なエンドツーエンド訓練のためのアルゴリズムを開発した。この解決策は,クリーンで,一段階訓練フレームワークであり,より段階を持つことをカスケードに一般化できる。PASCAL VOCの最先端レベルインスタンス認識意味的セグメンテーション精度を実証した。一方,著者らの方法はVGG16を用いた画像,この困難な問題のための従来のシステムよりも二~オーダ速い大きさを試験360msを要するのみである。製品として,著者らの方法はまた競合高速/高速R CNNシステムを凌駕する説得力のある物体検出結果を達成した。本稿で述べた方法は,著者らの提出MS COCO2015セグメンテーション競争への基礎である,第一位を獲得した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】