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。
正確な結果を生み出すために深いニューラルネットワーク(DNNs)を作ることができる局所画像操作を目標とする活発な研究がある。本論文では,類似の逆効果を生成できる一種のグローバル画像操作を検討した。具体的には,写真における白色バランス(WB)と呼ばれる不正確に適用された計算色恒常性によって引き起こされる強い色のキャストが,画像セグメンテーションと分類を目標とするDNNsの性能に負の影響を与えるかどうかを調べた。さらに,DNNsのロバスト性を改善するために使用される既存の画像増強法が,WB誤差のモデリングに適していないことを論じた。この問題に対処するために,正確な色恒常性劣化をエミュレートできる新しい増強法を提案した。また,最近のWB補正アルゴリズムによる前処理訓練と試験画像を調査し,不正確な白色平衡画像の効果を低減した。異なるデータセットに関する増強と前処理戦略の両方を調べ,CIFAR-100,及びADE20Kデータセットに関する顕著な改善を実証した。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】