文献

J-GLOBAL ID：201802226784980653   整理番号：18A0189640

畳込みニューラルネットワークに基づく閉塞局在【Powered by NICT】

Occlusion localization based on convolutional neural networks

著者 (5件)： Hou Ya-Li (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, China) ,  Peng Jinzhang (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, China) ,  Hao Xiaoli (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, China) ,  Shen Yan (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, China) ,  Qian Manyi (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSPCC  ページ： 1-5  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： 最も畳込みニューラルネットワーク(CNN)では,出力は最終層の全てのニューロン活性化を組み合わせることにより単一分類結果である。我々が知っているように,局所連結性は,CNNの重要な特性である。ネットワークの各ニューロンは,元の画像の局所領域に対応している。,同時にバニラネットワークにおけるニューロン活性化を分析することによって,標的物体の局所的な可視性を得ることができた。本論文では,既製のCNNに基づく部分オクルージョンを局在化する方法を提案した。多くの既存前景セグメンテーション法とは異なり,分類結果とフォアグラウンド推定の両方を同時に本論文における計画的な前景注釈と余分なネットワーク設計を得られないことに注目すべきである。論文の貢献は二つである:最初に,関心領域内の閉塞マップを得るための方法は,バニラオブジェクト分類ネットワークに基づいて開発した。第二に,ニューロン活性化に基づいてオクルージョンマップを推定するためのいくつかの戦略を開発し,試験した。合成とGTSRB両交通標識に関する予備的な結果は,市販のCNNに基づく局所閉塞を推定するために開発された方法の可能性を示した。Copyright 2018 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： *閉塞 ,  連結性 ,  *ネットワーク ,  アノテーション ,  セグメンテーション ,  オクルージョン ,  交通標識 ,  画像 ,  可視度 ,  ニューロン
準シソーラス用語： オブジェクト分類 ,  関心領域 ,  ネットワーク設計 ,  前景 ,  *畳込みニューラルネットワーク , 【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)： 畳込みニューラルネットワーク ,  閉塞