文献

J-GLOBAL ID：201702273056858169   整理番号：17A1398316

深部顕著性品質評価ネットワーク【Powered by NICT】

Deep saliency quality assessment network

著者 (4件)： Liangzhi Tang (University Of Electronic Science And Technology Of China, China) ,  Qingbo Wu (University Of Electronic Science And Technology Of China, China) ,  Wei Li (University Of Electronic Science And Technology Of China, China) ,  Yinan Liu (University Of Electronic Science And Technology Of China, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMEW  ページ： 567-572  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,顕著性マップ自身を考察しているのみで顕著性マップの品質スコアを予測することを提案した。この目標を達成するために,深い顕著性品質評価ネットワーク(DSQAN),顕著性マップから直接顕著性品質スコアを予測するためを提案した。まず第一に,著者らはこの顕著性品質評価タスクをモデル化回帰問題として。効率的な回帰モデルを訓練するために,最新の深い畳込みニューラルネットワークを利用し,正準構造を,使用した画像分類問題を達成するために,顕著性マップの顕著性品質スコアを回帰した。提案DSQANの直接応用として,予測された顕著性品質スコアは顕著性マップをランク付けまたは顕著性マップのセットから最良のK顕著性マップを選択に利用することができる。MSRA10Kデータセット上での実験結果により,提案した方法は,与えられた顕著性マップの品質を正確に予測する能力を持っていることを示した。定量的実験結果は,予測誤差は全試験セットにMAEスコアの5.3%以下であることを示した。も提案した方法の有効性を示すために,予測された顕著性品質スコアを用いてランキング結果を示した。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： モデリング ,  回帰モデル ,  深部 ,  等級づけ ,  *品質 ,  畳込み ,  *ネットワーク ,  予測誤差 ,  ニューラルネットワーク
準シソーラス用語： 画像分類 ,  スコア ,  顕著性マップ ,  *品質評価 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 深部 ,  品質評価