文献

J-GLOBAL ID：201702260138639405   整理番号：17A1772933

拡張型残留ネットワーク【Powered by NICT】

Dilated Residual Networks

著者 (3件)： Yu Fisher ,  Koltun Vladlen ,  Funkhouser Thomas
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 636-644  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： 画像分類のための畳込みネットワークは分解能を減少させる漸進的画像は,シーンの空間構造は,より長い識別できなかった小さな特徴マップにより表現される。空間視力のこのような損失は,画像分類精度を制限し,詳細なシーン理解を必要とする下流の応用に対するモデルの移動を複雑にする。これらの問題は,拡張,個々のニューロンの受容野を低下させることなく出力特徴マップの分解能を増加させることによって軽減することができる。拡張型残留ネットワーク(DRN)はモデル深さまたは複雑さ増加させることなく画像分類におけるそれらの非拡張対応物よりも優れていることを示した。拡張により導入された格子化アーチファクトを研究し,これらのアーチファクト(degridding)を除去する方法を開発し,これはDRNの性能をさらに増加させることを示した。さらに,DRNの精度利点である物体の局所化と意味的セグメンテーションのような下流の応用の更なる拡大されたことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 立体構造 ,  畳込み ,  分解能 ,  アーチファクト ,  視力 ,  セグメンテーション ,  *ネットワーク ,  ニューロン ,  画像
準シソーラス用語： 局在化 ,  受容野 ,  シーン理解 ,  分類精度 ,  特徴マップ ,  画像分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 拡張 ,  残留