文献

J-GLOBAL ID：201702250065095991   整理番号：17A1370003

完全教師あり学習手法を用いた弱教師あり領域分割におけるシード領域生成方法の改良

著者 (3件)： 下田和 (電通大) ,  下田和 (電通大 大学院情報理工学研究科) ,  柳井啓司 (電通大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 210(PRMU2017 39-62)  ページ： 143-149  発行年： 2017年09月08日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 弱教師あり領域分割は精度が向上している。特に,弱教師あり領域分割結果を教師情報としてさらに学習する手法が提案され精度が大きく向上した。しかし,依然として,ノイズを含むアノテーションを用いた教師情報で学習を行うと精度が低下するという問題がある。本手法では,領域分割結果の一貫性から,領域分割の精度を推定し,領域分割の容易な画像を学習データから収集した。また,この推定結果から学習データのセレクションを行い,セレクションした学習データで再学習を行った。また,セレクションした画像を活用してdata augmentationを行うとより精度が向上することを示した。(著者抄録)

シソーラス用語： *教師つき学習 ,  *セグメンテーション ,  アノテーション ,  劣化 ,  一貫性 ,  データ ,  学習 ,  選択 ,  機械学習 ,  自動分類
準シソーラス用語： *教師あり学習 ,  *領域分割 ,  性能低下 ,  学習データ ,  再学習 ,  データ選択 ,  深層学習 ,  教師データ ,  教師付き分類

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (25件)：

• Wei, Y., Liang, X., Chen, Y., Shen, X., Cheng, M., Zhao, Y. and Yan, S.: STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation, ECCV (2016).
• Kolesnikov, A. and H.Lampert, C.: Seed, Expand and Constrain: Three Principles for Weakly-Supervised Im-age Segmentation, ECCV (2016).
• Zeiler, M. and Fergus, R.: Adaptive deconvolutional net-works for mid and high level feature learning, ICCV (2011).
• Simonyan, K., Vedaldi, A. and Zisserman, A.: Deep in-side convolutional networks: Visualising image classifi-cation models and saliency maps, ICLR WS, (online), available from (http://arxiv.org/abs/1312.6034) (2014).
• Springenberg, J. T., Dosovitskiy, A., Brox, T. and Riedmiller, M.: Striving for Simplicity: The All Con-volutional Net, ICLR WS, (online), available from (http://arxiv.org/abs/1412.6806) (2015).

タイトルに関連する用語 (4件)： 教師あり学習 ,  手法 ,  教師 ,  領域分割