文献

J-GLOBAL ID：201902292100936484   整理番号：19A1153727

意味分割-対抗に基づく画像意味分割モデル【JST・京大機械翻訳】

Image Semantic Segmentation Model Based on Semantic Segmentation-Adversarial Network

著者 (4件)： Wang Xin (北京工商大学計算机与信息工程学院,北京,100048) ,  Yu Zhongzhong (北京工商大学計算机与信息工程学院,北京,100048) ,  Ma Xianqin (北京工商大学計算机与信息工程学院,北京,100048) ,  Chen Xiuxin (北京工商大学計算机与信息工程学院,北京,100048)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 36  号： 2  ページ： 191-195  発行年： 2019年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 画像セマンティックセグメンテーションは,シーン理解に重要な役割を果たし,コンピュータビジョンの分野でのホットな話題である。セマンティック分割-対抗モデル(SemanticSegmentationGenerativeAdversarialNetworks,SSGAN)を,現在の画像セマンティック分割法に存在する精度が低いという問題のために提案した。生成モデルとしてDeeplab-VGG16を用い,入力実サンプルの学習を通して,意味論的分割グラフを生成した。ピラミッド池(AtrousSpatialPyramidPooling,ASPP)を判別モデルとし、人工標識図と生成分割図に対して高次規則統計を行った。データセットPOSCALVOC2012で実験したmIOUは0.823で、Adversarialより0.24.SSGANモデルを向上して、対抗モデルを従来の意味分割モデルと結合することで、従来の意味分割モデルエンドツーエンドの訓練方式を維持した。それはまた,ネットワーク自律学習能力に対抗し,人工設計に対応する高次損失項による不整合を避けた。最後に,このモデルを,枝刈りと重み量子化の共有によって,元の0.045に圧縮した。実験結果は,提案した方法が実現可能であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 分割法 ,  *モデル ,  量子化 ,  セグメンテーション ,  角錐 ,  意味論 ,  コンピュータビジョン ,  *画像 ,  不整合 ,  エンドツーエンド方式 ,  ネットワーク
準シソーラス用語： 自主学習 ,  生成モデル ,  シーン理解 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 意味 ,  モデル