文献

J-GLOBAL ID：202002219887294258   整理番号：20A1750118

弱教師付きセマンティックセグメンテーションのためのクラス内弁別器による積分オブジェクトの学習【JST・京大機械翻訳】

Learning Integral Objects With Intra-Class Discriminator for Weakly-Supervised Semantic Segmentation

著者 (4件)： Fan Junsong (Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA); School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)) ,  Zhang Zhaoxiang (Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA); School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS); Center for Excellence...) ,  Song Chunfeng (Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA); School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)) ,  Tan Tieniu (Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA); School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS); Center for Excellence...)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 4282-4291  発行年： 2020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： 画像レベル弱教師つき意味セグメンテーション(WSSS)は,画像クラスラベルのみを採用することによって意味セグメンテーションを学習することを目的とする。既存の手法は,一般的にクラス活性化マップ(CAM)に依存し,擬似マスクを生成し,次に,セグメンテーションモデルを訓練する。主な困難はCAM推定が部分前景オブジェクトのみをカバーすることである。本論文では,フルオブジェクトマスクを得るのを妨げる重要な因子は,CAMをWSSSに適用する際の分類境界不整合問題であることを主張する。CAMは分類タスクにより最適化されるので,異なる画像レベルクラスにわたる識別に焦点を当てた。しかし,WSSSは,それらを前景と背景に分離するために,同じ画像レベルクラスを共有するピクセルを識別する必要がある。この矛盾を軽減するために,筆者らは,各画像レベルクラス内の前景と背景を分離するためにクラス内境界を学習する効率的なエンドツーエンドイントラクラス識別器(ICD)フレームワークを提案した。ベルと whistなしで,著者らの方式は,画像ラベルベースのWSSSの最先端の性能を達成して,mIoU68.0%は,VOC2012意味セグメンテーションベンチマークで,提案した方式の有効性を実証した。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： 最適化 ,  弁別器 ,  *セグメンテーション ,  画素 ,  不整合 ,  有効性
準シソーラス用語： 前景 , 【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)： 教師 ,  セマンティックセグメンテーション ,  クラス ,  弁別器 ,  積分 ,  オブジェクト ,  学習