文献

J-GLOBAL ID：202002253268226901   整理番号：20A1105165

Cagnet:顕著な物体検出のためのコンテンツ意識誘導【JST・京大機械翻訳】

CAGNet: Content-Aware Guidance for Salient Object Detection

著者 (5件)： Mohammadi Sina (School of Electrical Engineering, Iran University of science and Technology, Tehran, Iran) ,  Noori Mehrdad (School of Electrical Engineering, Iran University of science and Technology, Tehran, Iran) ,  Bahri Ali (School of Electrical Engineering, Iran University of science and Technology, Tehran, Iran) ,  Ghofrani Majelan Sina (School of Electrical Engineering, Iran University of science and Technology, Tehran, Iran) ,  Havaei Mohammad (Imagia Inc., Montreal, Canada)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 103  ページ： Null  発行年： 2020年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 完全畳込みニューラルネットワーク(FCN)からの有益性検出法は,有望な結果を達成した。しかし,複雑なシナリオにおいて顕著なオブジェクトを検出するための効果的な特徴を学習することは依然として挑戦的であり,その中で,i)非顕著な領域は「顕著なような」出現を持つ可能性がある。2)顕著なオブジェクトは異なる領域を持つ可能性がある。これらの複雑なシナリオを扱うために,著者らは,低レベルと高レベル特徴の性質をiに利用する特徴的ガイドネットワークを提案し,前景とバックグラウンド領域をより明確にし,「顕著なような」外観を持つ非顕著領域を抑制した。2)異なる顕著な領域に前景ラベルを割り当てる。さらに,マルチスケール文脈情報を得るために,抽象化の各レベルに対して多重スケール特徴抽出モジュール(MFEM)を利用した。最後に,広く使われている交差エントロピー損失を上回る損失関数を設計した。バックボーンとして4つの異なる事前訓練モデルを採用することにより,本方法がバックボーンモデルの選択に関して非常に一般的であることを証明した。6つの挑戦的データセットに関する実験は,著者らの方法が異なる評価計量に関して最先端の性能を達成することを実証した。さらに,著者らのアプローチは,既存のものより少ないパラメータを含み,後処理を必要とせず,480×480画像を処理するとき,28FPSの実時間速度で高速に動作する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  損失関数 ,  特徴抽出 ,  後処理 ,  検出法 ,  *コンテンツ
準シソーラス用語： 文脈情報 ,  マルチスケール ,  *物体検出 ,  実時間 ,  前景 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 顕著性検出 ,  完全畳込みニューラルネットワーク ,  注意誘導

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 物体検出 ,  コンテンツ ,  意識 ,  誘導