抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模変化は依然として制約のない顔検出の挑戦を提起している。著者らの知識の及ぶ限りでは,現在の顔検出アルゴリズムは,800×800画素の大きさの顔を検出することはできないが,同様に高い精度で単一画像内の8×8画素を互いにを同時に検出する。はこの課題に取り組むために,古典的な学習戦略を用いた深層ニューラルネットワークを組み合わせたシームレス,2段階カスケード顔検出フレームワーク,多経路領域に基づく畳込みニューラルネットワーク(MP RCNN)を提案した。第一段階は,三つの異なるスケールで面を提案するマルチパス領域提案ネットワーク(MP RPN)である。同時に畳込み特徴マップの三並列出力を利用したマルチスケール候補顔領域を予測した。「atrous」畳込みトリック(アップサンプリングフィルタを用いた畳込み),「困難な」事例のために新たに提案したサンプリング層はMP RPN中に埋め込まれたその性能を向上させることにあった。第二段階では,ブースティングされた森林分類器,候補顔領域を囲む大きな領域からプールした顔領域は勿論深い文脈特徴候補内からプールした深い顔特徴を利用した。この段階はハード陰性試料を取除くために含まれている。実験は,このアプローチがより広い顔データセット「硬い」分配に関する最新顔検出性能を達成し,平均精度の最良の結果を9.6%することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】