文献

J-GLOBAL ID：202002260454696650   整理番号：20A0385632

自律走行シーンにおける弱教師付き意味セグメンテーションのためのディープクラスタリング【JST・京大機械翻訳】

Deep clustering for weakly-supervised semantic segmentation in autonomous driving scenes

著者 (4件)： Wang Xiang (Tencent Research, China) ,  Wang Xiang (Tsinghua University, China) ,  Ma Huimin (University of Science and Technology Beijing, China) ,  You Shaodi (University of Amsterdam, Netherlands)
資料名： Neurocomputing  (Neurocomputing)
巻： 381  ページ： 20-28  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  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： タグのみを用いた弱く管理された意味的セグメンテーション(WSSs)は,完全な監視が画素レベルのラベリングを必要とするので,ラベルのコスティングを著しく容易にすることができる。しかし,タグを視覚的外観に関連付けることは簡単ではないので,非常に困難なタスクである。既存の研究は,単純な画像上でタグベースのWSSsのみを行うことができる。そこでは,2つまたは3つのタグだけが各画像に存在し,異なる画像は通常,PASCAL VOCデータセットのような異なるタグを持っている。したがって,タグを視覚的外観に関連づけることは容易であり,セグメンテーションを監督することができる。しかしながら,実世界シーンは非常に複雑である。特に,自律的駆動シーンは,通常,各画像においてほぼ20のタグを含み,そして,それらのタグは,画像から画像に繰り返し現れることができ,そしてそれは,既存の単純画像戦略が,働かないことを意味した。本論文では,領域ベースの深いクラスタリングを用いて問題を解決することを提案した。鍵となるアイデアは,各タグ化オブジェクトが画像から画像に反復的に現れるので,領域クラスタリング,特に深いニューラルネットワークに基づくクラスタリングを通して共通の出現を見出すことを可能にする。その後,クラスタ化領域の出現をタグに関連付け,タグを利用してセグメンテーションを重ねる。さらに,弱い監視によってクラスタ化によって見つける区域は,非常にノイズがあることができた。さらに,反復的に監視を改善し,洗練するための機械を提案した。著者らの最良の知識に対して,画像タグの弱く教師つきされた意味論的セグメンテーションが,静止画像による複雑な自律的駆動データセットに適用できることを初めて示した。この方法の有効性を実証した。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： 視覚 ,  有効性 ,  意味論 ,  ニューラルネットワーク ,  原価計算 ,  静止画像 ,  画素 ,  雑音 ,  *クラスタ化 ,  *セグメンテーション ,  PASCAL
準シソーラス用語： 自律性 ,  *自律走行 , 【Automatic Indexing@JST】

著者キーワード (4件)： 弱い監視 ,  意味セグメンテーション ,  ディープクラスタリング ,  自律運転

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 自律走行 ,  シーン ,  教師 ,  意味 ,  セグメンテーション