文献

J-GLOBAL ID：201802269676971812   整理番号：18A0518814

生成敵対的ネットワークに基づく正確な顕著性予測法【Powered by NICT】

An accurate saliency prediction method based on generative adversarial networks

著者 (4件)： Yan Bing (Key Lab of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, China) ,  Wang Haoqian (Key Lab of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, China) ,  Wang Xingzheng (Key Lab of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, China) ,  Zhang Yongbing (Key Lab of Broadband Network and Multimedia, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 2339-2343  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,生成的敵対的ネットワークを活用した顕著性予測アルゴリズムを提案した。提案したシステムは二つの部分:顕著性ネットワークと敵対的ネットワークを含んでいる。顕著性ネットワークは顕著性予測のための基礎,予測された顕著性マップおよびグランドトルース間のグレースケール値にEuclidコスト関数を計算した。アルゴリズムの精度を改善するために,敵対的ネットワークは,ネットワークに含まれる二サブネットワークの学習速度を調整することによって入力データの特徴を抽出するために利用されている。実験結果は,三の公表データ集合,SALICON,MIT1003とCerfの現状モデルと比較して提案した方法の高い精度を検証した。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： モデル ,  *ネットワーク ,  *予測技法 ,  アルゴリズム ,  *予測 ,  費用関数 ,  グレースケール
準シソーラス用語： 入力データ ,  学習速度 ,  サブネットワーク ,  グランドトゥルース ,  顕著性マップ ,  予測アルゴリズム , 【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 (2件)： 敵対 ,  予測法