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。
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】