文献

J-GLOBAL ID：202002254609543395   整理番号：20A1865229

信頼できるスケール予測によるシーンパージング性能のブースティング【JST・京大機械翻訳】

Boosting Scene Parsing Performance via Reliable Scale Prediction

著者 (5件)： Shi Hengcan (University of Electronic Science and Technology of China, Chengdu, China) ,  Li Hongliang (University of Electronic Science and Technology of China, Chengdu, China) ,  Wu Qingbo (University of Electronic Science and Technology of China, Chengdu, China) ,  Meng Fanman (University of Electronic Science and Technology of China, Chengdu, China) ,  Ngan King N. (Chinese University of Hong Kong& University of Electronic Science and Technology of China, Hong Kong , China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’18  ページ： 492-500  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： 適切なスケールでのセグメンテーションオブジェクトは,シーン構文解析性能を改善するための重要因子である。既存の方法は,スケールラベルの欠如のため,単純な平均マルチスケール結果,または弱い監督モデルによるスケールを予測する。本論文では,新しい完全教師つきスケール予測モデルを提案した。一方では,提案したスケール予測モデルは,強力なスケール監視によって構文解析スケールを学習し,それは,余分な手動アノテーションなしで,シーン構文グラウンドトルースから自動的に作り出される。他方,スケールとオブジェクトクラスの間の関係を調べ,スケール予測の信頼性をさらに改善するためにオブジェクトクラス情報を用いることを提案した。提案したスケール予測モデルは,NYU深さv2,PASCAL-ContextおよびSIFTフローデータセットに関して,それぞれ23.1%,20.1%および29.3%のスケール予測精度を改善した。スケール予測モデルに基づいて,スケール予測モデルによって予測されたスケールに各オブジェクトを分割するシーン構文解析用のスケールParsing Net(SPNet)を設計した。さらに,SPNetは中間結果(即ち,オブジェクトクラス)を利用して構文解析結果を精密化する。実験結果は,SPNetが多重シーン構文解析データセットに関して多くの最先端技術より優れていることを示した。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： 信頼性 ,  セグメンテーション ,  構文分析 ,  多重化 ,  精密化 ,  アノテーション ,  *予測モデル
準シソーラス用語： 予測精度 ,  *ブースティング ,  マルチスケール ,  オブジェクトクラス ,  グランドトゥルース ,  構文 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  スケール予測 ,  シーンパージング

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

タイトルに関連する用語 (6件)： 信頼 ,  スケール ,  予測 ,  シーン ,  パージング ,  ブースティング