文献

J-GLOBAL ID：201802259090810749   整理番号：18A1507846

意味セグメンテーションのための深さ適応深神経回路網【JST・京大機械翻訳】

Depth-Adaptive Deep Neural Network for Semantic Segmentation

著者 (3件)： Kang Byeongkeun (Department of Electrical and Computer Engineering, University of California-San Diego, La Jolla, CA, USA) ,  Lee Yeejin (Department of Electrical and Computer Engineering, University of California-San Diego, La Jolla, CA, USA) ,  Nguyen Truong Q. (Department of Electrical and Computer Engineering, University of California-San Diego, La Jolla, CA, USA)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 20  号： 9  ページ： 2478-2490  発行年： 2018年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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,意味論的セグメンテーションのための深さマップを用いて,深さ適応可能な深いニューラルネットワークを提示した。典型的な深いニューラルネットワークはカメラからの距離に関係なく所定の位置で入力を受ける。この固定された受容野は,ニューラルネットワークにおける様々な距離におけるオブジェクトの特徴を一般化するための挑戦を提示する。具体的には,予め定められた受容野は短距離ではあまりにも小さく,その逆もある。この課題を克服するために,各層だけでなく空間位置での各ニューロンに対しても受容野を適応できるニューラルネットワークを開発した。受容野を調整するために,適応知覚ニューロンと層内マルチスケールニューロンから成る深さ適応多重スケール(DaM)畳込み層を提案した。適応知覚ニューロンは,対応する深さ情報を用いて各空間位置における受容野を調整することである。層内マルチスケールニューロンは,複数のスケールで特徴を学習するために,各特徴空間における受容野の異なるサイズを適用することである。提案したDaMコンボリューションを2つの完全畳込みニューラルネットワークに適用した。著者らは,意味的セグメンテーションのための公開可能なRGB-Dデータセットとハンド-オブジェクト相互作用のための新しいハンドセグメンテーションデータセットに関する提案したニューラルネットワークの有効性を実証した。実験結果は,提案した方法が付加的な層や前処理/後処理なしで最先端の方法より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  前処理 ,  *神経回路網 ,  後処理 ,  カメラ ,  相互作用 ,  ニューラルネットワーク ,  畳込み ,  意味論 ,  ニューロン ,  知覚神経
準シソーラス用語： 畳込みニューラルネットワーク ,  特徴空間 ,  マルチスケール ,  受容野 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 意味 ,  セグメンテーション ,  適応 ,  神経回路網