文献

J-GLOBAL ID：201802290409062490   整理番号：18A0518600

室内シーン画像の意味的セグメンテーションのための学習可能な文脈的正則化【Powered by NICT】

Learnable contextual regularization for semantic segmentation of indoor scene images

著者 (5件)： Chu Jun (Institute of Computer Vision, Nanchang Hangkong University) ,  Xiao Xu (School of Software, Nanchang Hangkong University) ,  Meng Gaofeng (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences) ,  Wang Lingfeng (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences) ,  Pan Chunhong (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1267-1271  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： 屋内シーン画像の意味的セグメンテーションは,広い範囲の応用を持っている。しかし,屋内シーンにおけるクラスと不均一な分布の大きな数のために,mislabelsは小物体または境界領域に直面した場合に生じることが多い。技術的には,文脈情報がセグメンテーション結果に役立つ可能性があるが,まだ十分に利用されていない。本論文では,カラー屋内シーン画像の意味的セグメンテーション結果を強化するための学習可能な文脈正則化モデルを提案した。正則化モデルは付加的パラメータの数を著しく増加させることなく,深い畳込みセグメンテーションネットワークと結合した。屋内シーン物体に対する固有の文脈的正則化から誘導した,著者らのモデルは,深い畳込みネットワークにおける低い層と高い層を架橋する学習可能制約層から多くの恩恵を受ける。制約層は,セグメンテーション結果を改善するためのRGB値の隣接画素間の加重L1ノルム基づく文脈正則化と統合される。NYUDv2屋内シーンデータセット上での実験結果は,提案した方法の有効性と効率を実証した。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： 境界領域 ,  *画像 ,  *セグメンテーション ,  画素 ,  *学習 ,  *正則化 ,  ネットワーク ,  畳込み
準シソーラス用語： L1ノルム ,  加重 ,  文脈情報 ,  屋内 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 室内 ,  シーン ,  意味 ,  セグメンテーション ,  学習 ,  文脈 ,  正則化