文献

J-GLOBAL ID：201802262702249219   整理番号：18A0244438

ドライビングシナリオにおける意味的セグメンテーションのための大規模で標識したビデオデータ増強【Powered by NICT】

Large Scale Labelled Video Data Augmentation for Semantic Segmentation in Driving Scenarios

著者 (5件)： Budvytis Ignas ,  Sauer Patrick ,  Roddick Thomas ,  Breen Kesar ,  Cipolla Roberto
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 230-237  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,運転シナリオにおける意味論的セグメンテーションのための大規模ビデオデータ増大の影響の解析を提示した。著者らの研究は,最も最近の深層学習に基づく方法の高い性能と大量グランドトルースラベルの利用性の間の強い相関によって動機づけられている。追加ラベル付きデータを生成するために,[8]オクルージョンアウェアと不確実性可能ラベル伝搬アルゴリズムを利用した。結果として,20の因子による高分解能標識フレームのアベイラビリティを増加させ,いくつかの意味的セグメンテーションネットワークのための平均分類精度および/またはIoUスコアの6.8%~10.8%の上昇を生じた。重要な寄与は以下のとおりである:(a)それぞれオブジェクトクラスの56.2Kと6.5K追加標識フレームを提供する拡張CityScapesとこのCamVidデータセット,(b)拡張データの使用の効果の詳細な実験的解析だけでなく,(c)提案した枠組みに例えばセグメンテーションの拡張。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： 運転 ,  アベイラビリティ ,  アルゴリズム ,  不確実性 ,  意味論 ,  高分解能 ,  *セグメンテーション
準シソーラス用語： オブジェクトクラス ,  スコア ,  分類精度 ,  ラベル伝搬 ,  深層学習 ,  *映像データ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 意味 ,  セグメンテーション ,  大規模 ,  標識 ,  ビデオ ,  データ増強