文献

J-GLOBAL ID：201702259698652683   整理番号：17A1271702

関節深さ予測と意味論的セグメンテーションのためのモジュラCNNアーキテクチャの解析【Powered by NICT】

Analyzing modular CNN architectures for joint depth prediction and semantic segmentation

著者 (5件)： Jafari Omid Hosseini (Computer Vision Lab Dresden, Technical University Dresden, Germany) ,  Groth Oliver (Computer Vision Lab Dresden, Technical University Dresden, Germany) ,  Kirillov Alexander (Computer Vision Lab Dresden, Technical University Dresden, Germany) ,  Yang Michael Ying (Scene Understanding Group, University of Twente, Netherlands) ,  Rother Carsten (Computer Vision Lab Dresden, Technical University Dresden, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 4620-4627  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： 本論文では,異なるタスクを同時に解決するモジュラ神経回路網アーキテクチャの設計タスクの問題を取り上げて論じた。一例として,単一RGB画像を与えられた深さ推定と意味的セグメンテーションのタスクを用いた。本研究の主な焦点は,それらの結合微細化に及ぼす深さと意味論的予測マップ間のクロスモダリティ影響を分析することである。以前の研究の大部分は精度の改善を測定することに焦点を合わせているが,著者らはクロスモダリティ影響を定量化する方法を提案した。最終的精度と相互一次感覚形式影響間に関係があることを示し,単純な線形1なかった。大きなクロスモダリティ影響は必ずしも改善された精度に変換しなかった。モダリティ影響の間の有益なバランスは,この関係は異なるネットワーク設計選択を理解するために利用できることをネットワークアーキテクチャと推測によって達成できることを見出した。これに向けて,著者らは深さ推定と意味ラベリングのための最先端技術レベルの結果を融合する畳込みニューラルネットワーク(CNN)アーキテクチャを提案した。深さと意味論的予測の間のクロスモダリティの影響をバランスさせることにより,NYU深さv2ベンチマークを用いて両タスクに対する改善された結果を達成した。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： ネットワークアーキテクチャ ,  神経回路網 ,  ニューラルネットワーク ,  線形性 ,  *意味論 ,  ラベリング ,  画像 ,  ベンチマーク ,  *セグメンテーション ,  精密化 ,  *計算機アーキテクチャ ,  畳込み ,  *予測
準シソーラス用語： ネットワーク設計 ,  モダリティ , 【Automatic Indexing@JST】

分類 (5件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人間機械系  (IB03000G) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 関節 ,  予測 ,  意味論 ,  セグメンテーション ,  CNN ,  アーキテクチャ ,  解析