抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
性ディープ学習に基づく意味的セグメンテーションの最近の成功にもかかわらず,その画像は,訓練集合の中に示されたされていない都市への事前訓練された道路シーン分割を展開するデータセットバイアスによる満足のできる性能を実現しない。分割を訓練あるいは精密化に関心のある各都市のアノテーション付き画像の大きな数を収集する代わりに,著者らは異なる都市を横切る道路シーンsegmentersを適応させる教師なし学習アプローチを提案した。Googleストリートビューとそのtimemachine特徴を利用することにより,異なる時間で各道路シーンのためのアノテーションされていない画像を収集できるので,関連する静的な対象事前分布を抽出することができた。関節全体的およびクラス特異的ドメイン敵対的学習フレームワークを発展させることによって,都市への事前segmentersの適応は,ユーザアノテーションまたは相互作用を必要とせずに達成できた。は筆者らの手法が大陸にわたる複数の都市における意味的セグメンテーションの性能を改善することを示すが,それは,注釈付き訓練データを必要とする最新の手法に対する優位な特性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】