文献

J-GLOBAL ID：202002281231550901   整理番号：20A2273977

BBS-Net:分岐バックボーン戦略ネットワークによるRGB-D突出オブジェクト検出【JST・京大機械翻訳】

BBS-Net: RGB-D Salient Object Detection with a Bifurcated Backbone Strategy Network

著者 (6件)： Fan Deng-Ping (Inception Institute of Artificial Intelligence, Abu Dhabi, UAE) ,  Zhai Yingjie (Nankai University, Tianjin, China) ,  Borji Ali (HCL America, Manhattan, NY, USA) ,  Yang Jufeng (Nankai University, Tianjin, China) ,  Shao Ling (Inception Institute of Artificial Intelligence, Abu Dhabi, UAE) ,  Shao Ling (Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12357  ページ： 275-292  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチレベル特徴融合は,様々なスケールにおけるオブジェクトの検出,セグメンテーションおよび分類のためのコンピュータビジョンにおける基本的トピックである。マルチレベル特徴がマルチモーダルキューを満たすとき,最適融合問題はホットポテトになる。本論文では,新しいカスケード精密化ネットワークを開発するために,RGB-D突出物体検出の固有マルチモーダルおよびマルチレベル特性を活用する最初の試みを行った。特に,著者らは,マルチレベル特徴を教師と学生の特徴に分割するための分岐バックボーン戦略(BBS)を提案し,2)チャネルと空間ビューから奥行き手がかりの有益な部分を掘削するために,深さ強化モジュール(DEM)を利用する。これは補完的方法でRGBと深さ様式を融合する。単純だが効率的なアーキテクチャ,二重分岐バックボーン戦略ネットワーク(BBS-Net)はバックボーン独立であり,4つのメトリックを用いて7つの挑戦的なデータセット上で18のSOTAを凌駕する。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  *ネットワーク ,  ジャガイモ ,  精密化 ,  コンピュータビジョン ,  多モード ,  チャネル ,  計算機アーキテクチャ
準シソーラス用語： マルチレベル ,  *物体検出 ,  ホップ数 ,  特徴融合 ,  *RGB-D , 【Automatic Indexing@JST】

著者キーワード (2件)： RGB-D突出検出 ,  分岐バックボーン戦略

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： BBS ,  分岐 ,  バックボーン ,  戦略 ,  RGB-D ,  オブジェクト検出