文献

J-GLOBAL ID：201702227444233541   整理番号：17A1773069

小物体検出のための知覚生成敵対的ネットワーク【Powered by NICT】

Perceptual Generative Adversarial Networks for Small Object Detection

著者 (6件)： Li Jianan ,  Liang Xiaodan ,  Wei Yunchao ,  Xu Tingfa ,  Feng Jiashi ,  Yan Shuicheng
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1951-1959  発行年： 2017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： 小物体の検出低分解能と雑音表現による難しい課題である。既存物体検出パイプラインは,通常,多重スケールでのすべてのオブジェクトの学習表現を通じた小物体を検出した。しかし,そのようなアドホックアーキテクチャの性能利得は,通常,計算コストを利益に限定されている。本研究では,小さな物体の表現を超解像に内部単一アーキテクチャを開発する,大きな物体と同様の特性を達成することにより小物体検出問題に対処して,検出のためのより識別。この目的のために,大粒子からの小物体の表現差を狭くすることによる小物体検出を改善する新しい知覚生成敵対的ネットワーク(知覚GAN)モデルを提案した。特に,その発電機は,小さな物体の悪さを有する者表現を移動した競合する弁別器を愚かにする実際の大きな物体に十分類似していることを超解像のものに学習する。一方その弁別器は,発生した表現を同定するために発電機と競合し,発電機に付加的な知覚要求-小物体の表現は検出目的に有益であるに違いない-を課している。困難なTsinghua Tencent100K[45]およびCaltech[9]ベンチマーク上での包括的評価は十分に確立された最先端を越える,交通標識と歩行者を含む,小さな物体を検出における知覚GANの優位性を示した。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： 学習 ,  *ネットワーク ,  弁別器 ,  ベンチマーク ,  利得 ,  交通標識 ,  超解像 ,  計算機アーキテクチャ ,  雑音 ,  歩行者 ,  モデル
準シソーラス用語： 計算コスト ,  マルチスケール ,  低分解能 ,  *物体検出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 物体検出 ,  知覚 ,  敵対