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。
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】