文献

J-GLOBAL ID：201902283474056550   整理番号：19A2494755

チャネル注意と相互学習による単眼深度推定のブースティング【JST・京大機械翻訳】

Boosting Monocular Depth Estimation with Channel Attention and Mutual Learning

著者 (4件)： Takagi Kazunari (Graduate School of Science and Engineering, Aoyama Gakuin University, Kanagawa, Japan) ,  Ito Seiya (Graduate School of Science and Engineering, Aoyama Gakuin University, Kanagawa, Japan) ,  Kaneko Naoshi (Aoyama Gakuin University, Kanagawa, Japan) ,  Sumi Kazuhiko (Aoyama Gakuin University, Kanagawa, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIEV & icIVPR  ページ： 228-233  発行年： 2019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： チャネル注意と相互学習による単眼深さ推定のための新しい学習ベースの方法を提案した。最初に,カスケードチャネル注意モジュール(CCAM)と呼ばれるチャネル注意モジュールを設計した。カスケード法でチャネル注意モジュールを適用することにより,CCAMは3D形状を表現するのに適したマルチスケール特徴マップを生成する。次に,CCAMを含む2分岐深さ予測ネットワーク(TBDP-Net)を開発し,それを相互学習により訓練した。訓練中の各ブランチの知識を共有することにより,相互学習はTBDP-Netが最先端の方法であるベースラインから性能を上げることを可能にする。チャネル注意と相互学習を利用して,TBDP-Netは,三次元形状に関連する特徴に焦点を合わせた特徴マップから深さを推定することができる。実験結果は,著者らの提案方法がベースラインと同じ計算コストで深さ推定のすべての評価計量において性能を改善することを示した。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： *チャネル ,  ネットワーク ,  *学習 ,  *単眼 ,  基準線 ,  予測
準シソーラス用語： 計算コスト ,  特徴マップ ,  マルチスケール ,  三次元形状 ,  先天性嚢胞性腺腫様奇形 ,  *ブースティング ,  *協調学習 , 【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 (7件)： チャネル ,  注意 ,  相互学習 ,  単眼 ,  深度 ,  推定 ,  ブースティング