文献

J-GLOBAL ID：201902274317423629   整理番号：19A1120876

対流ネットのための大規模サンプリング場による動的フィルタリング【JST・京大機械翻訳】

Dynamic Filtering with Large Sampling Field for ConvNets

著者 (6件)： Wu Jialin (The Department of Automation, Tsinghua University, Beijing, China) ,  Wu Jialin (The University of Texas at Austin, Austin, TX, USA) ,  Li Dai (The Department of Automation, Tsinghua University, Beijing, China) ,  Yang Yu (The Department of Automation, Tsinghua University, Beijing, China) ,  Bajaj Chandrajit (The University of Texas at Austin, Austin, TX, USA) ,  Ji Xiangyang (The Department of Automation, Tsinghua University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11214  ページ： 188-203  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 著者らは,位置特定カーネルが同一位置だけでなく複数のサンプリングされた近傍領域から学習する,ConvNet(LS-DFN)のための大きなサンプリングフィールドを有する動的フィルタリング戦略を提案した。サンプリングの間,残留学習を訓練を容易にするために導入して,注意機構を種々のサンプルから特徴を融合するために適用した。このような多重サンプルは,より多くのパラメータを必要とせずにカーネルの受容野を著しく拡大する。LS-DFNはDFN[5]の優位性を継承するが,並進不変性を保ちながら,正方向カーネルによる特徴マップぼけを回避し,通常のCNNよりもはるかに多くのパラメータにより引き起こされる過剰適合問題を効率的に緩和する。著者らのモデルは効率的であり,標準的な逆伝搬を介してエンドツーエンドに訓練することができる。オブジェクト検出,意味セグメンテーションおよびフロー推定を含むスパースおよび高密度予測タスクに対するLS-DFNの利点を実証した。本結果は,LS-DFNが,強いベースラインと比較して,FliingChairデータセットに関するフロー推定における,VOCベンチマーク[8]とシャープル応答に関するオブジェクト検出と意味セグメンテーションタスクにおいて,より強い認識能力を持つことを示した。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *対流 ,  並進不変性 ,  学習 ,  多重化 ,  セグメンテーション ,  予測 ,  ベンチマーク ,  *フィルタリング ,  エンドツーエンド方式 ,  基準線
準シソーラス用語： 高密度 ,  スパース ,  物体検出 ,  特徴マップ ,  受容野 , 【Automatic Indexing@JST】

著者キーワード (4件)： 大規模サンプリング場 ,  オブジェクト検出 ,  意味セグメンテーション ,  フロー推定

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 対流 ,  ネット ,  大規模 ,  サンプリング ,  フィルタリング