文献

J-GLOBAL ID：202002234892379514   整理番号：20A2273060

BiO-Net:エンコーダ復号器アーキテクチャのための再帰双方向接続の学習【JST・京大機械翻訳】

BiO-Net: Learning Recurrent Bi-directional Connections for Encoder-Decoder Architecture

著者 (7件)： Xiang Tiange (School of Computer Science, University of Sydney, Sydney, Australia) ,  Zhang Chaoyi (School of Computer Science, University of Sydney, Sydney, Australia) ,  Liu Dongnan (School of Computer Science, University of Sydney, Sydney, Australia) ,  Song Yang (School of Computer Science and Engineering, University of New South Wales, Sydney, Australia) ,  Huang Heng (Electrical and Computer Engineering, University of Pittsburgh, Pittsburgh, USA) ,  Huang Heng (JD Finance America Corporation, Mountain View, CA, USA) ,  Cai Weidong (School of Computer Science, University of Sydney, Sydney, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12261  ページ： 74-84  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： U-Netは,セマンティックセグメンテーション,超解像,画像雑音除去,および修復のような最新のコンピュータビジョンタスクのための最先端の深層学習ベースのアプローチの1つになった。U-Netの以前の拡張は,その既存のビルディングブロックの修正または性能利得のための新しい機能モジュールの開発に主に焦点を合わせている。その結果,これらのバリアントは,通常,モデル複雑性の無視可能な増加につながる。そのようなU-Net変異体におけるこの問題に取り組むために,本論文では,余分なパラメータを導入することなく,反復方式でビルディングブロックを再利用する新しい双方向O型ネットワーク(BiO-Net)を提案した。提案した双方向スキップ接続は,様々なタスクドメインにおける能力をさらに強化するために,任意の符号器デコーダアーキテクチャに直接採用できる。種々の医用画像分析タスクに関する著者らの方法を評価し,その結果,著者らのBiO-Netは,他の最先端の方法と同様に,バニラU-Netよりも性能的に優れていることを示した。著者らのコードは,利用可能である。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  ネットワーク ,  ニューラルネットワーク ,  *復号器 ,  バニラ ,  *符号器 ,  利得 ,  超解像 ,  コンピュータビジョン ,  再利用 ,  *計算機アーキテクチャ
準シソーラス用語： ビルディングブロック ,  複雑性 ,  画像雑音除去 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： セマンティックセグメンテーション ,  双方向接続 ,  再帰的ニューラルネットワーク

分類 (3件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： エンコーダ ,  復号器 ,  アーキテクチャ ,  双方向 ,  学習