文献

J-GLOBAL ID：202002260166884822   整理番号：20A0864402

自己訓練による弱教師付き意味セグメンテーション【JST・京大機械翻訳】

Weakly-Supervised Semantic Segmentation via Self-training

著者 (6件)： Cheng Hao (Department of Automation, Shanghai Jiao Tong University, Shanghai, China.) ,  Cheng Hao (Key Laboratory of System Control and Information Processing, Ministry of China Education.) ,  Gu Chaochen (Department of Automation, Shanghai Jiao Tong University, Shanghai, China.) ,  Gu Chaochen (Key Laboratory of System Control and Information Processing, Ministry of China Education.) ,  Wu Kaijie (Department of Automation, Shanghai Jiao Tong University, Shanghai, China.) ,  Wu Kaijie (Key Laboratory of System Control and Information Processing, Ministry of China Education.)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1487  号： 1  ページ： 012001 (9pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 画像タグによる弱く監督された意味セグメンテーションは挑戦的なコンピュータビジョンタスクである。画素レベルマスクと異なり,画像タグは,低レベルの外観情報なしで,高レベルの意味情報を与える。本論文では,この2つの情報を橋渡しするための反復自己訓練フレームワークを提案した。これにより,訓練プロセスにより擬似ラベルを拡張し,洗練した。初期マスクは分類ネットワークから生成される。トップダウンステップでは,不正確なオブジェクトマスクの効果を軽減するために,モデルを共同的に訓練するために,空間的重量損失と同様に,レンダリング画像とそのラベルを追加した。次に,ボトムアップステップにおいて,予測されたマスクを維持するための信頼性モデル予測への適応可能な閾値が信頼できる。トップダウンとボトムアップのステップは,微細なオブジェクトマスクを抽出するために反復的に行われる。自己構築データセットとGTA5に対する実験により,提案フレームワークの有効性を実証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レンダリング ,  コンピュータビジョン ,  重量損失 ,  有効性 ,  ネットワーク ,  自己集合 ,  画素 ,  *セグメンテーション
準シソーラス用語： ボトムアップ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 自己訓練 ,  教師 ,  意味 ,  セグメンテーション