文献

J-GLOBAL ID：201702264627297766   整理番号：17A0967409

精製物体セグメント提案のための学習空間変換【Powered by NICT】

Learning Spatial Transforms for Refining Object Segment Proposals

著者 (3件)： Zhang Haoyang ,  He Xuming ,  Porikli Fatih
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WACV  ページ： 37-46  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： 物体セグメント提案発生の問題,多くのインスタンスレベルの意味的セグメンテーションとシーン理解パイプラインの重要な段階を検討した。画像からの二成分セグメントマスクを予測する以前の研究とは対照的に,筆者らは与えられたセグメント候補プールの品質を改善するための代替的精密化手法を採用した。特に,近くの物体領域に向けた初期物体マスクを縦糸に2D空間変換学習する効率的な深いネットワークを提案した。回帰問題としてこのセグメント微細化タスクを定式化し,各物体マスクのためのアフィン変換を予測するための筆者らの深部ネットワークにおける新しい特徴プーリング戦略を設計した。二つの挑戦的な公共ベンチマーク上で提案手法を広く評価すると三つの異なる初期セグメント提案設定に微細化ネットワークを適用した。著者らの結果は,全ての設定を横切る平均想起におけるかなりの改善を示し,最先端の性能を達成した。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： ベンチマーク ,  画像 ,  定式化 ,  *学習 ,  品質 ,  アフィン変換 ,  セグメンテーション ,  精密化 ,  深部 ,  ネットワーク
準シソーラス用語： シーン理解 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 精製 ,  物体 ,  セグメント ,  提案