文献

J-GLOBAL ID：201802291076801400   整理番号：18A0137279

より識別:道路シーンセグメンタの交差市適応【Powered by NICT】

No More Discrimination: Cross City Adaptation of Road Scene Segmenters

著者 (6件)： Chen Yi-Hsin ,  Chen Wei-Yu ,  Chen Yu-Ting ,  Tsai Bo-Cheng ,  Wang Yu-Chiang Frank ,  Sun Min
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 2011-2020  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： 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】

シソーラス用語： *道路 ,  教師なし学習 ,  学習 ,  精密化 ,  セグメンテーション ,  画像 ,  相互作用 ,  都市 ,  アノテーション
準シソーラス用語： 訓練データ ,  事前分布 ,  ストリートビュー ,  Google ,  シーン分割 ,  *市 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 識別 ,  道路 ,  交差 ,  適応