文献

J-GLOBAL ID：202002284752490416   整理番号：20A0832859

RANET:高速ビデオオブジェクトセグメンテーションのための注意ネットワークのランキング【JST・京大機械翻訳】

RANet: Ranking Attention Network for Fast Video Object Segmentation

著者 (5件)： Wang Ziqin (Xi’an Jiaotong University) ,  Xu Jun (Inception Institute of Artificial Intelligence) ,  Liu Li (the inception institute of artificial intelligence) ,  Zhu Fan (Inception Institute of Artificial Intelligence) ,  Shao Ling (Inception Institute of Artificial Intelligence)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 3977-3986  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： オンライン学習(OL)技術は,半教師つきビデオオブジェクトセグメンテーション(VOS)方法の性能を強化したにもかかわらず,OLの膨大な時間コストは,それらの実用性を大いに制限する。マッチングに基づく方法と伝搬に基づく方法は,OL技術を避けることによって,より速い速度で実行した。しかし,それらはミスマッチングとドリフト問題のために,サブ最適精度によって制限される。本論文では,VOSのためのリアルタイムではあるが非常に正確なランク付けネットワーク(RANet)を開発した。具体的には,マッチングベースおよび伝搬ベースの方法の洞察を統合するために,著者らは,エンドツーエンド方式における画素レベル類似性およびセグメンテーションを学習するために,符号器-復号器フレームワークを採用した。類似性マップをより良く利用するために,著者らは,新しいランキング注意モジュールを提案して,それは,自動的に,これらのマップを細粒化したVOS性能のためにランク付けして,選択した。DAVIS16とDAVIS17データセットに関する実験は,著者らのRANetが最良の速度精度トレードオフを達成することを示した。例えば,フレーム当たり33ミリ秒,DAVIS16上でJ&F=85.5%である。OLによって,著者らのRANetは,最先端のVOS方法を超えて,DAVIS16に関してJ&F=87.1%に達した。コードは,https://github.com/Storife/RANetで見つけることができた。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： ドリフト ,  等級づけ ,  *ネットワーク ,  符号器 ,  類似性 ,  エンドツーエンド方式 ,  粉化 ,  画素 ,  *セグメンテーション ,  復号器
準シソーラス用語： 実時間 ,  実用性 ,  オンライン学習 ,  *オブジェクトセグメンテーション , 【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 (3件)： ビデオオブジェクトセグメンテーション ,  注意 ,  ランキング