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。
意味セグメンテーションはコンピュータビジョンにおける大きな課題の一つである。最近,深い畳込みニューラルネットワーク(DCNNs)は,多くのコンピュータビジョンタスクにおいて大きな成功を達成した。しかし,意味論的セグメンテーションに関しては,DCNN法が文脈情報を完全に利用し,オブジェクトの微細境界を決定することは依然として困難である。本論文では,セグメンテーション結果を改善するためにロバストなコンテキスト情報を利用する文脈認識ネットワーク(CNet)を提案した。CNETは2つの重要な成分を持つ。1)特徴収集モジュール(FCM)を構築し,高レベル特徴学習を補完するために,テクスチャ,レイアウト,境界,局所および大域的関係を含む低レベル文脈特徴を抽出し,2)FCMからロバストな文脈特徴を選択するために開発した新しい層を開発した。2つの組合せ成分は,境界セグメンテーション精度を改善するために文脈情報を徹底的に調査することができる。著者らは,一般的なPASCAL VOC2012データセットに関する提案方法を評価して,特に複雑なシーンにおける類似のオブジェクトまたはオブジェクトの状況において,関連した方法と比較して有望な性能を得た。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】