文献

J-GLOBAL ID：201802242864685857   整理番号：18A1943557

意味セグメンテーションのための単純な重み想起:都市シーンへの応用【JST・京大機械翻訳】

A Simple Weight Recall for Semantic Segmentation: Application to Urban Scenes

著者 (3件)： LI Xuhong (Heudiasyc Lab., UMR, Sorbonne universite ́s. Universite ́ de technologie de Compie`egne, CNRS, Compie`gne, 7253, France) ,  DAVOINE Franck (Heudiasyc Lab., UMR, Sorbonne universite ́s. Universite ́ de technologie de Compie`egne, CNRS, Compie`gne, 7253, France) ,  GRANDVALET Yves (Heudiasyc Lab., UMR, Sorbonne universite ́s. Universite ́ de technologie de Compie`egne, CNRS, Compie`gne, 7253, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IV  ページ： 1007-1012  発行年： 2018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： 意味画像セグメンテーションを含む多くの学習タスクにおいて,性能は,スクラッチからの訓練の代わりに,事前に訓練された畳込みネットワークの微調整を通して効果的に改善される。微調整により,基礎となる仮定は,事前訓練モデルが一般的特徴を抽出し,セグメンテーションタスクを解くのに少なくとも部分的に関連しているが,都市駆動シーンセグメンテーションにおける訓練に利用可能なデータのより少ない量から抽出することは困難である。しかしながら,事前訓練モデルと初期停止による初期化の他に,一般的特徴を保つための古典的微調整アプローチには機構がない。さらに悪い場合には,標準的な重み減衰により,パラメータは原点に向かって駆動され,学習された特徴に影響を与える。本論文では,事前訓練モデルを参照として用いる簡単な正則化が,意味的都市駆動シーンセグメンテーションに適用されるとき,一貫して性能を改善することを示した。実験は,畳込みネットワークの4つの異なるアーキテクチャにより,シシscデータセット上で行った。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正則化 ,  畳込み ,  *都市 ,  ネットワーク ,  計算機アーキテクチャ ,  学習 ,  *セグメンテーション
準シソーラス用語： シーン分割 ,  微調整 ,  画像セグメンテーション , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 意味 ,  セグメンテーション ,  想起 ,  都市 ,  シーン ,  応用