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。
多大な進歩が物体認識がなされてきたが,残留開課題の一つは,小さな物体を検出した。小顔:スケール不変性,画像分解能,および文脈推論の役割を発見の文脈における問題の三つの側面を調べた。最も認識アプローチはスケール不変であることを目的としているが,3pxトール顔を認識するためのキューである300pxトール顔を認識するためのより基本的に異なっていた。異なるアプローチを採用し,異なるスケールの分離検出器を訓練した。効率を維持するために,検出器はマルチタスクで訓練されている:それらは,単一(深さ)特徴階層の複数の層から抽出された特徴を利用した。大型物体のための訓練検出器は簡単であるが,重要な課題は,小さな物体のための訓練検出器である。状況は重要であり,超大規模受容野(99%テンプレートのは関心のある対象物を越えて広がる)を利用するテンプレートを定義することを示した。最後に,著者らは,予め訓練された深層ネットワークにおけるスケールの役割を調べ,限られたスケールのための調整ネットワークを外挿するむしろ極端な範囲にする方法を提供した。大規模ベンチマーク顔データベース(FDDBとより広いFACE)上で,最先端レベルの結果を実証した。特に,より広い顔に先行技術と比較した場合,著者らの結果は,2(著者らのモデルは先行技術の範囲にあり,一方82%のAPを29 64%)の因子による誤差を減少させる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
