文献

J-GLOBAL ID：202002248437644270   整理番号：20A0286649

生成物体検出:マスクを用いた敵対学習による境界の消去【JST・京大機械翻訳】

Generative Object Detection: Erasing the Boundary via Adversarial Learning with Mask

著者 (4件)： Jang Heeoh (School of Computing, Korea Advanced Institute of Science and Technology (KAIST),Daejeon,Republic of Korea) ,  Kim Dongkyu (Samsung Electronics,Suwon,Republic of Korea) ,  Ahn Wonhyuk (School of Computing, Korea Advanced Institute of Science and Technology (KAIST),Daejeon,Republic of Korea) ,  Lee Heung-Kyu (School of Computing, Korea Advanced Institute of Science and Technology (KAIST),Daejeon,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICICSP  ページ： 495-499  発行年： 2019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： 最近,オブジェクト検出は,深い畳込みニューラルネットワーク(CNN)を用いて優れた性能を示した。しかしながら,ほとんどのCNNベースのモデルは対における入力画像の境界ボックス情報を必要とする。この限界を克服するために,対ではないクロップ画像のみで学習する一般的オブジェクト検出を提案した。一般的な付加的ネットワーク(GAN)に基づく著者らのモデルは,オブジェクト領域を表すマスクを作ることによってクロップされた画像を作り出す。この目的を達成するために,GANが訓練データの分布を推定し,発電機のより広い受信場に対する拡張コンボリューションを用いることができる新しいマスク平均損失(MML)を考案した。実験結果は,一般的オブジェクト検出がmIoUと精度を改善することを示した。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： ネットワーク ,  畳込み ,  受信 ,  *学習
準シソーラス用語： 訓練データ ,  畳込みニューラルネットワーク ,  *物体検出 , 【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 (6件)： 物体検出 ,  マスク ,  敵対 ,  学習 ,  境界 ,  消去