文献

J-GLOBAL ID：202002284379687813   整理番号：20A0833311

ミス検出対誤警報:赤外線画像における小物体セグメンテーションのための敵対学習【JST・京大機械翻訳】

Miss Detection vs. False Alarm: Adversarial Learning for Small Object Segmentation in Infrared Images

著者 (3件)： Wang Huan (Nanjing University of Science & Technology) ,  Zhou Luping (University of Sydney) ,  Wang Lei (University of Wollongong. Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 8508-8517  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： 赤外線小オブジェクトセグメンテーション(ISOS)の重要課題は,ミス検出(MD)と誤警報(FA)をバランスさせることである。これは,通常,2つの用語を抑制するために,‘‘反対の戦略を必要とし,文献において十分に解決されていない。本論文では,この状況を改善するための深い敵学習フレームワークを提案し,単一目的を介してMDとFAを共同的に低減する伝統から出発して,この困難なタスクを,MDまたはFAのどちらかを低減することに焦点を合わせて,2つのモデルで処理した2つのサブタスクに分解した。このような新しい設計は,少なくとも3つの利点をもたらし,最初に,各モデルが比較的簡単なサブタスクに焦点を合わせているので,ISOSの全体的な困難さはいくらか減少する。第二に,二つのモデルの敵の訓練はMDとFAの微妙なバランスを自然に生み出し,MDとFAの両方に対する低い速度はNash均衡で達成できた。第3に,このMD-FA分離は,各サブタスクに専用の特定のモデルを開発するためのより柔軟性を与える。上記の設計を実現するために,2つの発電機と1つの識別器からなる条件付き一般化付加回路網を提案し,各発電機は2つの発電機からの3つのセグメンテーション結果と地面の真理を区別する一方で,各発電機は1つのサブタスクを行う。さらに,サブタスクをより良く提供するために,コンテキスト集約ネットワークに基づく2つの発電機,受容場の異なるサイズ,セグメンテーションのためのオブジェクトの局所的および全体的ビューを提供し,多重赤外線画像データセットで検証したように,この方法は多くの最新のISOS法よりも一貫して良好なセグメンテーションを達成した。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： Nash均衡 ,  弁別器 ,  多重化 ,  *セグメンテーション ,  *学習 ,  柔軟性 ,  *赤外線画像 ,  *赤外線 ,  ネットワーク ,  *誤警報

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ミス ,  誤警報 ,  赤外線画像 ,  物体 ,  セグメンテーション ,  敵対 ,  学習