文献

J-GLOBAL ID：202002243785752115   整理番号：20A2276769

sEnDec:前景位置決めのためのCNN画像の改良画像【JST・京大機械翻訳】

sEnDec: An Improved Image to Image CNN for Foreground Localization

著者 (2件)： Akilan Thangarajah (Department of Computer Science, Lakehead University, Thunder Bay, ON, Canada) ,  Wu Q. M. Jonathan (Department of Electrical and Computer Engineering, Centre for Computer Vision and Deep Learning, University of Windsor, Windsor, ON, Canada)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 21  号： 10  ページ： 4435-4443  発行年： 2020年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 深い畳み込みニューラルネットワーク(DCNN)は,地上位置決め(FGL)タスクのための適切な特徴表現を与えることができるが,深い学習(DL)における最近の建築的およびアルゴリズム的進歩は,この画素レベル分類問題に対して,DCNNが最前線の方法論になることを示している。FGLでは,DCNNは,移動物体,すなわち,局所および大域的レベル特徴からの学習を通して,前景(FG)と非静止背景(BG)シーンの間の固有のトレードオフに直面している。画像分類と意味的セグメンテーションのための革新的構造の最新の成功によって駆動して,本研究は,従来の画像対画像DCNNの学習能力を改善することを目的とするSlow Encoder-Decoder(sEnDec)と呼ばれる新しいアーキテクチャを導入した。提案モデルは,両方の位相が中間特徴マップアップサンプリングと残差接続を採用する,収縮(符号化)と拡張(復号化)のための2つのサブネットを合計する。この方法で,空間サブサンプリングによる失われた構造の詳細が回復した。それはより描写されたFG領域を得ることを助ける。実験的研究は,提案モデルの2つの変形,すなわち,1つはストライド畳み込み(対流),もう1つは空間サブサンプリングのための最大プールを有するものである。ベースライン,動的背景,カメラジッタ,シャドウ効果,間欠物体運動,夜間ビデオ,および悪天候を含む16のベンチマークビデオシーケンスの比較分析は,提案したsEnDecモデルが,事前および最先端のアプローチに対して非常に競合することを示した。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】

シソーラス用語： アルゴリズム ,  カメラ ,  *畳込み ,  学習 ,  セグメンテーション ,  残差 ,  画素 ,  復号化 ,  録画装置 ,  ジッタ ,  ベンチマーク ,  計算機アーキテクチャ ,  荒天
準シソーラス用語： サブサンプリング ,  *前景 , 【Automatic Indexing@JST】

分類 (5件)： ニューロコンピュータ  (JC06010Q) ,  運転者  (TB01040V) ,  人工知能  (JE08000Z) ,  交通調査  (TB01031B) ,  移動通信  (ND08030H)

タイトルに関連する用語 (2件)： 前景 ,  CNN