文献

J-GLOBAL ID：201702247209882380   整理番号：17A0414118

意味論的セグメンテーションのための完全Convolutionalネットワーク【Powered by NICT】

Fully Convolutional Networks for Semantic Segmentation

著者 (3件)： Shelhamer Evan (Department of Electrical Engineering and Computer Science (CS Division), University of California, Berkeley, CA, USA) ,  Long Jonathan (Department of Electrical Engineering and Computer Science (CS Division), University of California, Berkeley, CA, USA) ,  Darrell Trevor (Department of Electrical Engineering and Computer Science (CS Division), University of California, Berkeley, CA, USA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 4  ページ： 640-651  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 畳込みネットワークは,特徴の階層を生成する強力な視覚モデルである。,訓練されたエンドツーエンド,画素に画素,それ自身による畳込みネットワークは従来の最良結果意味的セグメンテーションに改善することを示した。重要な洞察は,任意の大きさの入力を「完全畳込み」ネットワークを構築し,効率的な推論と学習に対応してサイズの出力を生成することである。完全畳込みネットワークの空間を定義し,詳述し,空間的に密な予測タスクへの応用を説明し,以前の解析モデルと関係を示した。現代分類ネットワーク(AlexNet,VGG正味,GoogLeNet)を適応完全畳込みネットワークへとセグメンテーションタスクへの微調整による学習表現を移動させる。を正確かつ詳細なセグメンテーションを生成する浅い微細層から外見情報を持つ深い,粗い層からの意味情報を組み合わせたスキップ構造を定義した。完全畳込みネットワークはPASCAL VOC(2012に30%~67.2%の平均に比較して改善IU),NYUDv2,SIFTフロー,PASCAL文脈の改善されたセグメンテーションを達成し,一方,典型的な画像の第二の十分の1を推論。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： *セグメンテーション ,  画像 ,  エンドツーエンド方式 ,  学習 ,  *ネットワーク ,  画素 ,  畳込み ,  解析モデル ,  *意味論 ,  PASCAL ,  視覚モデル
準シソーラス用語： 意味情報 ,  微調整 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 意味論 ,  セグメンテーション