文献

J-GLOBAL ID：202002263743812741   整理番号：20A2282573

知覚損失による画像自動符号器埋込みの改善【JST・京大機械翻訳】

Improving Image Autoencoder Embeddings with Perceptual Loss

著者 (3件)： Pihlgren Gustav Grund (Lulea& University of Technology,EISLAB Machine Learning,Lulea&,Sweden) ,  Sandin Fredrik (Lulea& University of Technology,EISLAB Machine Learning,Lulea&,Sweden) ,  Liwicki Marcus (Lulea& University of Technology,EISLAB Machine Learning,Lulea&,Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-7  発行年： 2020年 
JST資料番号： W2441A  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： オートエンコーダは,要素毎の損失を用いて一般的に訓練される。しかし,要素毎の損失は,画像中の高レベル構造を無視し,また,それらを無視する埋込みをもたらすことができる。この問題を軽減するのを助けるオートエンコーダへの最近の改良は,知覚損失の使用である。本研究では,符号器埋込み自体の観点から知覚損失を調べた。事前訓練モデルに基づく知覚損失とピクセルワイズ損失を用いて,3つの異なるコンピュータビジョンデータセットから画像を埋め込むために,オートエンコーダを訓練した。異なる予測子のホストは,入力として埋込み画像を与えるデータセット上でオブジェクト位置決めと分類を実行するために訓練された。2種類の損失を,異なる訓練されたオートエンコーダからの埋込みで実行される予測子を比較することによって評価した。結果は,画像ドメインにおいて,知覚損失で訓練されたオートエンコーダによって生成された埋込みが,要素ワイズ損失で訓練されたものよりより正確な予測を可能にすることを示した。さらに,結果は,小規模特徴のオブジェクト位置決めのタスクに関して,知覚損失が,因子10によって結果を改善することができることを示した。実験装置はオンラインで利用できる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位置決め ,  *符号器 ,  コンピュータビジョン
準シソーラス用語： 予測子 ,  オンライン ,  自己符号化器 , 【Automatic Indexing@JST】

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)： 知覚 ,  損失 ,  符号器 ,  埋込み