文献

J-GLOBAL ID：202002234604050224   整理番号：20A2113537

深さコンボリューションニューラルネットワークの画像意味セグメンテーションに関する研究【JST・京大機械翻訳】

Deep convolutional neural network for semantic image segmentation

著者 (4件)： Qing Chen (北京工業大学信息学部,北京,100124) ,  Yu Jing (北京工業大学信息学部,北京,100124) ,  Xiao Chuangbai (北京工業大学信息学部,北京,100124) ,  Duan Juan (北京工業大学信息学部,北京,100124)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 25  号： 6  ページ： 1069-1090  発行年： 2020年 
JST資料番号： C2782A  ISSN： 1006-8961  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： コンピュータビジョンの分野では,意味論的セグメンテーションは,場面解析と行動認識のキータスクであり,深さ畳込みニューラルネットワークに基づく画像意味論的セグメンテーションは,ブレークスルーを遂げた。意味論的分割のタスクは,画像中の各画素に属するクラスラベルを割り当て,画素レベルの画像理解である。ターゲット検出は,ターゲットの境界フレームだけを位置決めし,一方,セマンティックセグメンテーションは,画像中のオブジェクトを分割する必要があった。セマンティックセグメンテーションの難しさと課題を最初に解析し,記述し,意味論的セグメンテーションアルゴリズムの性能評価のための一般的データセットと客観的評価指数を導入した。次に,深さコンボリューションニューラルネットワークに基づく画像セマンティックセグメンテーション法の現在の研究状況をまとめ,要約し,次に,ネットワーク訓練が画素レベルのアノテーション画像を必要とするかどうかを,教師つき学習に基づく意味論的分割と弱い教師つき学習に基づく意味論的分割の2つのタイプに分類する。これらの2つの方法の優位性と不足を詳細に述べ,分析した。PASCALVOC(patternanalysis)。statisticalmodellingandcomputationallearningvisualobjectclasses)2012データセット上で、一部の教師つき学習と弱い教師つき学習の語義分割モデルを比較した。教師つき学習モデルと弱教師つき学習モデルの最適方法,および対応するMIoU(meanintersection-over-union)を与えた。最後に,画像セマンティックセグメンテーションの将来のホットスポット方向を指摘した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *セグメンテーション ,  *ネットワーク ,  画素 ,  教師つき学習 ,  ホットスポット ,  コンピュータビジョン ,  画像理解 ,  性能評価 ,  アノテーション
準シソーラス用語： 語義 ,  行動認識 ,  客観評価 ,  ターゲット検出 ,  畳込みニューラルネットワーク , 【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 (3件)： 意味 ,  セグメンテーション ,  研究