文献

J-GLOBAL ID：201802286067442741   整理番号：18A0587088

意味論的セグメンテーションのための屋内シーンのモデル不確実性を持つ推論【Powered by NICT】

Inference with model uncertainty on indoor scene for semantic segmentation

著者 (2件)： Isobe Shuya (Tokyo City University, Graduate School of Engineering, Setagaya, Tokyo, Japan) ,  Arai Shuichi (Tokyo City University, Graduate School of Engineering, Setagaya, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 1170-1174  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,屋内シーンに及ぼすモデル不確実性を用いた新しい意味論的セグメンテーション手法を提案した。最近,深い畳込み符号器-復号器ニューラルネットワークは良好なセグメンテーション性能を達成し,ここではまた,このネットワークを実装した。意味的セグメンテーションの実用化に向けて,物体が知られているか否かを正確に認識する必要がある。しかし,多くのアーキテクチャは,セグメンテーション結果の不確実性を考慮していない。Bayes SegNetはモデルの不確実性の測度を用いたセグメンテーション結果の不確実性を生成することができるが,不確実性は分割そのものの使用されていない。著者らの研究は,モデルの不確実性を用いた屋内シーン理解における意味論的セグメンテーションのための分類精度の向上を目的としている。,ネットワークの訓練と試験のためのSUN RGB-D屋内シーンデータセットを使用した。著者らの方法は,不確実な領域を排除し,モデルの不確実性を用いた未知対象物としてそれを分類した。その結果,誤った予測を減少させることに成功した。さらに,提案手法では,FCN,SegNet,Bayes SegNetなどの他のアーキテクチャと比較して良好な分類性能を示した。評価結果で示されたように,この方法による分類精度の向上を達成した。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： 復号器 ,  測度 ,  *意味論 ,  *不確実性 ,  畳込み符号 ,  計算機アーキテクチャ ,  *セグメンテーション ,  ニューラルネットワーク ,  ネットワーク
準シソーラス用語： 分類精度 ,  シーン理解 ,  *モデルの不確実性 ,  *屋内 , 【Automatic Indexing@JST】

分類 (2件)： 信頼性  (KB04040H) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： 意味論 ,  セグメンテーション ,  屋内 ,  シーン ,  モデル不確実性 ,  推論