文献

J-GLOBAL ID：202002215063965112   整理番号：20A2276460

顕著なオブジェクト検出のための階層的特徴融合ネットワーク【JST・京大機械翻訳】

Hierarchical Feature Fusion Network for Salient Object Detection

著者 (3件)： Li Xuelong (Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, China) ,  Song Dawei (Shaanxi Key Laboratory of Ocean Optics, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Dong Yongsheng (Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 9165-9175  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 畳込みニューラルネットワーク(CNN)は,顕著な物体検出におけるそれらの利点を示した。CNNは,高水準の意味情報を得ることができるので,大きな顕著性マップを作り出すことができる。そして,セマンティック情報は,通常,多重畳込み層とプール層を積み重ねることによって達成される。しかし,複数のプール操作は特徴マップのサイズを低減し,突出物体の境界を容易にぼやす。したがって,そのような操作は,大きな顕著性結果を生み出すのに有益ではない。この問題を軽減するために,新しいエッジ情報誘導階層的特徴融合ネットワーク(HFFNet)を提案した。このネットワークは,階層的に特徴を融合し,正確な意味情報と明確なエッジ情報を効果的に保持する。特に,異なるレベルのVGGから画像特徴を抽出する。次に,著者らは階層構造を階層的に融合して,高レベルセマンティック情報と低レベルエッジ情報を生成した。異なるレベルでより良い情報を保持するために,それぞれ低レベル情報と高レベル情報の生成を監督するために1対1階層監視戦略を採用した。最後に,顕著性マップ生成を導くために低レベルエッジ情報を使用し,エッジ誘導融合は顕著性領域を効果的に同定できる。提案したHFFNetは,5つの従来のベンチマークデータセット上で広範囲に評価された。実験結果は,提案モデルが,異なる評価指標の下で10の最先端モデルと比較して,顕著な物体検出においてかなり有効であり,比較モデルの大部分より優れていることを証明した。Copyright 2020 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： 畳込み ,  *ネットワーク ,  画像特性 ,  多重化 ,  階層構造
準シソーラス用語： 意味情報 ,  *物体検出 ,  特徴マップ ,  評価指標 ,  顕著性マップ ,  *特徴融合 ,  畳込みニューラルネットワーク , 【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 (2件)： オブジェクト検出 ,  特徴融合