文献
J-GLOBAL ID:202002253113597526   整理番号:20A1865396

エッジ検出のための累積ネット【JST・京大機械翻訳】

Cumulative Nets for Edge Detection
著者 (5件):
資料名:
号: MM ’18  ページ: 1847-1855  発行年: 2018年 
JST資料番号: D0698C  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:
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。
エッジ検出のための畳込みニューラルネットワーク(CNN)を用いて,最近の進展のロットがなされてきた。CNNで学習された階層的表現の性質のため,エッジ検出を改善するために,より豊富な畳込み特徴を利用するサイドネットワークを設計することは直感的である。しかし,異なる側面ネットワークが分離され,最終結果は通常,不均等な品質の側面出力の加重和である。これらの問題に取り組むために,著者らは,高解像度で正確なエッジ検出を可能にするための詳細または鋭い境界を徐々に除去するために,現在の視覚特徴および低レベルサイド出力に基づいて累積的にサイドネットワークを学習する累積ネットワーク(C-Net)を提案した。したがって,下位レベルのエッジ情報は累積的に継承され,一方,超フルーフルな詳細は次第に放棄される。事実,より高いレベルの視覚特徴の監視による現在のエッジマップから超フルな詳細を取り除くための再帰的学習は挑戦的である。さらに,複数のスケールとアスペクト比で物体境界をロバストに検出するために,著者らは,アトラスコンボリューション(AC)とアトラスコンボリューションピラミッドプール(ASPP)を採用した。また,高レベル視覚情報とより低いエッジマップを用いてエッジを累積的に精密化することは,設計した累積残留注意(CRA)ブロックによって達成される。実験結果は,著者らのC-Netが2つのベンチマークデータセット,すなわちBSDS500(すなわち,0.819ODS,0.835OISと0.862AP)とNYUDV2(すなわち0.762ODS,0.781OIS,0.797AP)の両方に関するエッジ検出のための新しい記録をセットすることを示している。”C-Net”は,2つのベンチマークデータセット,すなわちBSDS500(すなわち,0.819ODS,0.835OISと0.862AP)とNYUDV2(すなわち0.762ODS,0.781OIS,0.797AP)に関して新しい記録をセットした。C-Netは,他の深層学習ベースアプリケーション,例えば画像分類とセグメンテーションに適用する大きな可能性を持つ。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る