文献

J-GLOBAL ID：202002282530330475   整理番号：20A2482201

オブジェクト計数のための深層集約ネットワーク【JST・京大機械翻訳】

Deeply scale aggregation network for object counting

著者 (5件)： Li He (School of Information Science and Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Kong Weihang (School of Information Science and Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Kong Weihang (Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao 066004, China) ,  Zhang Shihui (School of Information Science and Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Zhang Shihui (Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao 066004, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 210  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  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： オブジェクト計数は,コンピュータビジョン分野における与えられたシーンのための高レベル認識を構築するための基本的で基本的なタスクである。オブジェクト計数における一般的スケールバリアント問題のために,本論文は,オブジェクト計数タスクのために深くスケール凝集ネットワークを設計した。特に,初期スケール意識特徴を抽出するため,高密度マルチスケール(DMS)ブロックを設計し,従って,適応ネットワーク深さを実装するために,特定の構造において複数のDMSブロックをスタックし,より mightしいスケール意識特徴を学習した。本論文では,6つの公共オブジェクト計数ベンチマークを用いて広範な実験結果を報告し,提案手法がオブジェクト計数タスクに対して効果的な性能を有することを示した。そして,アブレーション研究は,提案した方法の構造合理性を検証した。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： 凝集 ,  *ネットワーク ,  コンピュータビジョン ,  深層 ,  アブレーション ,  ベンチマーク
準シソーラス用語： マルチスケール解析 ,  マルチスケール ,  高密度 ,  合理性 ,  適応ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： オブジェクト計数 ,  マルチスケール解析 ,  スケール変異体 ,  スケール凝集

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： オブジェクト ,  計数 ,  深層 ,  集約