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。
本論文では,画像アラインメントのためのデータ駆動型アプローチを提案した。著者らの主な寄与は,畳込みニューラルネットワーク(CNN)とLucas-Kanadeアルゴリズムの長所を組み合わせた新しいネットワークアーキテクチャである。このアーキテクチャの主な成分は,畳込み特徴マップの逆合成アルゴリズムを実行するLucas-Kanade層である。ネットワークを訓練するために,訓練プロセスへの粗から精への戦略を組み込んだカスケード特徴学習法を開発した。この方法は,畳込み特徴のピラミッド表現を学習するカスケードにと特徴ピラミッド上に粗から精へのアラインメントを行うカスケードネットワークが得られた。ホモグラフィ推定のタスクにこのモデルを適用し,MS COCOデータセットから発生する大きな標識データセット上で訓練と評価を行った。実験結果は,提案した方法が他の方法よりも優れていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】