文献

J-GLOBAL ID：201802290943070694   整理番号：18A0245309

標識画像に基づく自動マーキング物体領域【Powered by NICT】

Automatically marking object regions based on tagged images

著者 (5件)： Kan Shi-Chao (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044) ,  Cen Yi-Gang (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044) ,  Wang Yan-Hong (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044) ,  Cen Yi (School of Information Engineering, Minzu University of China, Beijing 100081) ,  Hu Shao-Hai (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISPACS  ページ： 513-518  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： 画像分類の性能は適切なオブジェクト提案により大幅に改善可能である。オブジェクト提案(例えば高速R CNN)の主流フレームワークは訓練または微調整段階における画像,時間のかかる作業である各物体の全ての境界ボックスを手動でする必要がある。このようにして,各画像中の物体領域は他の完全標識データセット(例えばPASCAL VOC2007)に基づく訓練済み高速R CNNによる最初に生成できるという考えを提案した。電流データセットに微調整された畳込みニューラルネットワーク(CNN)を対象領域を自動的に用いることができる。最後に,これらの標識されたオブジェクト領域を高速R CNNとCNNを微調整するために用いることができる。BOT2016の動物分類データセットにおいて,実験結果は,提案した方法は画像分類の平均精度を高めることができると分かった。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： *マーキング ,  電流 ,  高速度 ,  動物 ,  *画像
準シソーラス用語： 畳込みニューラルネットワーク ,  微調整 ,  画像分類 , 【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 (3件)： 標識 ,  マーキング ,  物体