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。
実例セグメンテーションの新しい方向である,非モーダルインスタンスセグメンテーションは,人間の能力を模倣するために,その不可視で,閉塞された部分を含む各オブジェクトインスタンスを分割することを目的としている。このタスクはオブジェクトの複雑な構造を必要とする。重要で将来的であるにもかかわらず,このタスクは,視覚認識のフロンティアを探索するための巨大な障壁を生成する,正確で一貫して見えない部分をラベリングすることの困難さのために,大規模で詳細なアノテーションを伴うデータを欠いている。本論文では,KITTIインスタンスデータセット(KINS)と呼ぶ8つのカテゴリに対して,より多くのインスタンス画素レベルアノテーションを用いてKITTIを拡張した。筆者らは,様々な認識レベルにおける情報を組み合わせた,多視点符号化(MVC)を有する新しいマルチタスクフレームワークを介して,見えない部分に対するネットワーク構造を提案した。大規模な実験は,著者らのMVCが効果的に非モードと非モードの両方のセグメンテーションを改善することを示した。KINSデータセットと著者らの提案方法は公開されている。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】