抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ピラミッドコンボリューションニューラルネットワークに基づくセマンティック分割アルゴリズムは,高い精度を有するが,その計算資源は巨大であり,アルゴリズムの実行時間は長く,リアルタイムの必要条件を満たすことができない。この問題を解決するために,本論文では以下の改良を行った。(1)MobileNetで元のネットワークを入れ替えて,ネットワークの計算時間とメモリオーバヘッドを低減した。(2)符号器-復号器構造を導入して,出力画像の分解能を改善し,分割結果を細分化した。(3)高分解能画像推定の時間が長すぎるという問題に対して、本論文では、マルチレベル画像入力方法を設計し、ネットワーク推定高解像度画像が消費する時間を低減した。本論文では、VOC2012データセットとCityscapesデータセット上でテストを行い、FCN、SegNet、DeepLab、PSPNet及びDFNなどの意味分割モデルと比較した。実験結果は,提案した意味論的分割アルゴリズムが,VOC2012データセットで76.1%のmIoUを達成し,Cityscapesデータセットで74.1%のmIoUを達成し,従来の意味分割アルゴリズムよりわずかに低いことを示した。分解能が1024×512の画像を処理するのは18msであり、従来の意味分割アルゴリズムより少なく、リアルタイムの要求を満たし、精度と計算資源消耗間のバランスを達した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】