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。
新しい意味的セグメンテーション法とシーン理解における意味的セグメンテーションの実用化のための確実性の必要性を提案した。意味セグメンテーションのための深い完全畳込み符号器-復号器ニューラルネットワークを実装した。このネットワークアーキテクチャは,抽出された画像表現における境界詳細を保持することにより改善セグメンテーション精度を可能にした。この精度は,セグメンテーション結果をグランドトルースラベルにマッチどの程度を意味する。しかし,従来の評価法は,グランドトルースラベルのラベル付けされていない領域を無視している。換言すれば,セグメンテーション結果は,未知物体の領域で評価されていない。意味的セグメンテーションの実用化に向けて,評価はそのような領域を考慮すべきである。であるから,それは物体が知られているか否かを正確に認識する必要がある。はこの因子が確実と呼ぶ。Bayes SegNetは,ドロップアウトを用いたモデルの事後分布のサンプリングからのモデル不確実性の測度を用いたセグメンテーション結果の不確実性を生成することを可能にした。しかし,不確実性は分割そのものの使用ではなく,全ての画素は,このセグメンテーション結果の予め定義されたクラスの一つに分類される。未知物体の領域内の画素は,予め定義されたクラスの一つとして誤って分類され明確にされることを意味する。著者らの研究は,モデル不確実性を持つ道路シーン理解における意味論的セグメンテーションのための確実性の改善を目的としている。著者らの方法は,不確実な領域を排除し,モデルの不確実性を用いた未知対象物としてそれを分類した。評価結果で示されたように,この方法による確実性の改善を達成した。更に筆者等は,Bayesian SegNetアーキテクチャとネットワークアーキテクチャの比較から深い畳込み符号器-復号器ネットワークアーキテクチャの性能改善の可能性を示唆した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】