文献

J-GLOBAL ID：202002271926475313   整理番号：20A0268386

ビデオ伝搬とラベル緩和による意味セグメンテーションの改善【JST・京大機械翻訳】

Improving Semantic Segmentation via Video Propagation and Label Relaxation

著者 (7件)： Zhu Yi (UC Merced) ,  Sapra Karan (NVIDIA) ,  Reda Fitsum A. (NVIDIA) ,  Shih Kevin J. (NVIDIA) ,  Newsam Shawn (UC Merced) ,  Tao Andrew (NVIDIA) ,  Catanzaro Bryan (NVIDIA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPR  ページ： 8848-8857  発行年： 2019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： 意味的セグメンテーションは,正確なモデルを学習するために大量の画素ごとの注釈を必要とする。本論文では,意味セグメンテーションネットワークの精度を改善するために,新しい訓練サンプルを合成することにより,訓練集合をスケールアップするためのビデオ予測ベースの方法論を提示した。将来のラベルを予測するために将来のフレームを予測するためにビデオ予測モデルの能力を利用した。合成した試料におけるミスアラインメントを軽減するために,ジョイント伝搬戦略も提案した。合成されたサンプルによって強化されたデータセットに関する訓練セグメンテーションモデルが,精度において有意な改善をもたらすことを実証した。さらに,オブジェクト境界に沿った注釈雑音と伝搬アーチファクトに対してロバストな訓練を行う新しい境界ラベル緩和技術を導入した。著者らの提案した方法は,最先端のmIoUs83.5%とCamVidの82.9%を達成した。著者らの単一モデルは,モデル集合なしで,KITTI意味分割テストセットに関して72.8%のmIoUを達成して,それはROBチャレンジ2018のウィニング侵入を上回った。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： スケールアップ ,  アノテーション ,  ロバスト性 ,  不整合 ,  *緩和現象 ,  *セグメンテーション ,  画素 ,  雑音 ,  予測モデル ,  アーチファクト ,  *録画装置
準シソーラス用語： ウィーニング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ビデオ ,  伝搬 ,  ラベル ,  緩和 ,  意味 ,  セグメンテーション