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。
生成加算ネットワーク(Gans)は,様々なドメインにおける合成画像の生成において最先端の性能を提供することができる新しいネットワークアーキテクチャである。筆者らは,無人航空機(UAV)のトップダウンビューから撮影された画像のように見える車両の現実的な画像を生成するために,vegan(Vehicle Generative Adversic Network)と呼ばれるネットワークを訓練する。生成された画像は,意味的セグメンテーションネットワークのための付加的な訓練データとして使用され,高速道路上の交通の記録における車両を正確に検出する。画像は一般的にコンテンツベースの拡張に対してランダムに生成されるが,アクティブ学習のドメインからアイデアを活用する。InfoGANアーキテクチャに基づくネットワークを用いることにより,既存の車両画像を潜在空間表現にマッピングできる。完全な訓練データセットをマッピングした後に,潜在空間における増大を実行した。適用された技術は,与えられた硬い負の試料の変化を作り出し,潜在空間のまばらに占有された領域で試料を生成することを含んでいる。意味セグメンテーションネットワークのIOUを93.4%から94.9%に改善し,検出された車両中心の平均位置誤差を,縦方向で0.51から0.37画素,横方向で0.21から0.17画素まで低減した。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】