文献

J-GLOBAL ID：202002217339841203   整理番号：20A2586187

改良MobileNetV2ネットワークに基づくセマンティックセグメンテーションアルゴリズムを提示した。【JST・京大機械翻訳】

Semantic Segmentation Algorithm Based on Improved MobileNetV2

著者 (3件)： Meng Lu (東北大学信息科学与工程学院,遼寧沈陽 110000) ,  Xu Lei (東北大学信息科学与工程学院,遼寧沈陽 110000) ,  Guo Jiayang (辛辛那提大学電气工程与計算机系,俄亥俄州辛辛那提45221)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 48  号： 9  ページ： 1769-1776  発行年： 2020年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  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： 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】

シソーラス用語： *アルゴリズム ,  記憶装置 ,  畳込み ,  意味論 ,  *セグメンテーション ,  *ネットワーク ,  ニューラルネットワーク ,  復号器 ,  符号器
準シソーラス用語： マルチレベル ,  高精細画像 ,  実行時間 ,  オーバヘッド ,  実時間 ,  計算資源 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)