文献

J-GLOBAL ID：202002239068754762   整理番号：20A1187664

クロスドメイン細粒度認識のための敵対領域適応ネットワーク【JST・京大機械翻訳】

An Adversarial Domain Adaptation Network For Cross-Domain Fine-Grained Recognition

著者 (4件)： Wang Yimu (Nanjing University) ,  Song Ren-Jie (Megvii Technology) ,  Wei Xiu-Shen (Megvii Technology) ,  Zhang Lijun (Nanjing University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WACV  ページ： 1217-1225  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文において,著者らは価値あるが非常に挑戦的な視覚認識タスクに取り組んだ。そこでは,インスタンスは下位のカテゴリ内にあり,ターゲットドメインはソースドメインによるシフトを受ける。このタスクは,交差領域の細粒化認識と呼ばれ,多くの現実のシナリオに密接に関連している。例えば,制御された環境で収集された画像で訓練されたモデルによって,ストレージラックにおける小売製品を認識する。この問題を扱うために,新しいアルゴリズムを設計し,対応する細粒領域適応データセットを提案した。まず第一に,二つの特殊化モジュールを統合する新しいエンドツーエンドCNNアーキテクチャを提案した。すなわち,ドメインアラインメントのための敵モジュールと細粒認識のための自己注意モジュールである。adversモジュールを用いて,ドメインレベルとクラスレベルのアラインメントにより異なるドメインを段階的にアラインメントすることによりドメインシフトを処理し,ネットにより生成されたドメイン不変特徴を用いて分類器学習を支援する。自己注意モジュールは,細粒視覚認識のために重要な識別画像領域を捉えるように設計されている。第二に,3つのドメインから263のクラスの52,011の画像を含む小売製品の大規模な細粒領域適応データセットを収集する。3番目に,著者らは3つのデータセットに関する著者らの方法の有効性を検証し,提案した方法が細粒データセットに関するベースライン法よりも有意な改善をもたらすことを示した。さらに,可視化を実行することによって自己注意モジュールの有効性を評価し,それはソースとターゲットドメインの両方における識別画像領域を捉えることができる。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】

シソーラス用語： *アラインメント ,  アルゴリズム ,  学習 ,  可視化 ,  小売 ,  視認 ,  エンドツーエンド方式 ,  基準線 ,  有効性 ,  計算機アーキテクチャ ,  粉化
準シソーラス用語： 敵意 ,  ストレージ装置 ,  イメージエリア , 【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 (4件)： ドメイン ,  細粒度 ,  敵対 ,  適応ネットワーク