意味セグメンテーションのためのコンテキスト・デコンボリューション・ネットワーク【JST・京大機械翻訳】

Fu Jun; Fu Jun; Liu Jing; Li Yong; Bao Yongjun; Yan Weipeng; Fang Zhiwei; Fang Zhiwei; Lu Hanqing

文献

J-GLOBAL ID：202002229539286682 整理番号：20A0575276

意味セグメンテーションのためのコンテキスト・デコンボリューション・ネットワーク【JST・京大機械翻訳】

Contextual deconvolution network for semantic segmentation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0575276&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0575276&from=J-GLOBAL&jstjournalNo=D0611A") }}

著者 (9件)： , , , , , , , ,
資料名：
巻： 101 ページ： Null 発行年： 2020年
JST資料番号： D0611A ISSN： 0031-3203 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

本論文では,Contextual Deconvolution Network(CDN)を提案し,復号器ネットワークにおけるコンテキスト関連に焦点を合わせた。特に,アップサンプリング経路において,チャネルと空間次元における特徴の相互依存性をモデル化するために,2つのタイプのコンテキストモジュールを導入した。チャネル文脈モジュールは,空間次元を横切る特徴マップを集約することにより画像レベル意味情報を捕捉し,特徴の大域的曖昧さを明らかにした。一方,空間的文脈モジュールは,空間的重みマップを学習することによって,パターンレベル意味論的文脈を得て,特徴識別を強化した。著者らは,2つのコンテキストモジュールを復号器ネットワークの個々のコンポーネントに埋め込み,その結果,表現力を改善し,より正確なセグメント結果を得た。完全な評価は,4つの挑戦的データセット,すなわち,PASCAL VOC2012,ADE20K,PASCAL-Conテキスト,およびCityscapesデータセットに関して実行される。著者らのアプローチは,PASCAL VOC2012,ADE20K,およびシシscデータセットに関する最先端のモデルによる競争的性能と,PASCAL-Conテキストデータセットに関する新しい最先端の性能を達成した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識

, , ,

前のページに戻る