文献

J-GLOBAL ID：201902265345745042   整理番号：19A0642003

領域適応変化検出のための生成的敵対ネットワークと視覚経験マイニングに関する実験的研究【JST・京大機械翻訳】

An Experimental Study on Generative Adversarial Network and Visual Experience Mining for Domain Adaptive Change Detection

著者 (4件)： Yamaguchi Kousuke ,  Tanaka Kanji ,  Kojima Yuusuke ,  Sugimoto Takuma
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SMC  ページ： 1269-1274  発行年： 2018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： 本論文では,画像から画像への変換の新しい視点から,クロスドメイン変化検出の問題に取り組んだ。一般的に,変化検出は,与えられた質問画像と異なる時間で撮影された同じシーンの参照画像の間の興味ある変化を同定することを目的とする。この問題は,質問と参照画像が異なる領域(例えば,日の時間,天候,季節の時間)を含む場合,物体の外観の変化と限られた量の訓練例により,挑戦的なものとなる。本研究において,著者らは,生成的な敵ネットワーク(GAN)を活用することによって,上記の問題に取り組んだ。著者らの重要な概念は,質問領域画像から識別できない仮想画像に参照画像を写像するGaNベースの画像変換器を訓練するために,限られた量の訓練データを用いることである。これにより,ドメイン内画像比較としてクロスドメイン変化検出タスクを処理することができる。これにより,ドメイン内の一般的な変化検出器に関する大量の文献を活用することができる。著者らの貢献の一部として,著者らは,変換GANの使用が,いくつかの変化検出アルゴリズムを開発し評価することによって,領域シフトの問題を緩和することができるかどうかを調査した。さらに,仮想画像の空間上でより適切な参照画像をマイニングするための方法として,視覚位置認識の利用も考察した。公的に利用可能な北キャンパス長期自律データセットを用いた交差季節変化検出に関する実験結果により,提案手法の有効性を検証した。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】

シソーラス用語： 画像 ,  キャンパス ,  画像変換 ,  有効性 ,  *ネットワーク ,  *視覚 ,  窒化ガリウム ,  自律性 ,  検出アルゴリズム ,  天候 ,  *変化検出
準シソーラス用語： 位置認識 ,  訓練データ ,  参照画像 ,  実験研究 , 【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)： 敵対 ,  視覚 ,  経験 ,  実験的研究