文献

J-GLOBAL ID：202002285112063276   整理番号：20A2526375

Low-Shotからの多ショット:オブジェクト検出のための混合監視を用いた注釈への学習【JST・京大機械翻訳】

Many-Shot from Low-Shot: Learning to Annotate Using Mixed Supervision for Object Detection

著者 (6件)： Biffi Carlo (Huawei Noah’s Ark Lab, London, UK) ,  McDonagh Steven (Huawei Noah’s Ark Lab, London, UK) ,  Torr Philip (University of Oxford, Oxford, UK) ,  Leonardis Ales (Huawei Noah’s Ark Lab, London, UK) ,  Parisot Sarah (Huawei Noah’s Ark Lab, London, UK) ,  Parisot Sarah (Mila Montreal, Montreal, Canada)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12353  ページ： 35-50  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： オブジェクト検出は,大規模で手動で注釈されたデータセットに頼ることで,著しい進展を目撃した。そのようなデータセットの注釈は,非常に時間がかかり,高価であり,弱い教師つきおよび少数ショットオブジェクト検出法の開発を動機づける。しかし,これらの方法は,弱い訓練信号がしばしば部分的または過大な検出をもたらすので,それらの強い教師つき対応物に関して,主に劣っている。この問題を解決するため,著者らは,初めて,弱いラベル付き画像のより大きなボリュームから,信頼できるアノテーションの多くのショット集合を生成するオンラインアノテーションモジュール(OAM)を導入した。OAMは,任意の完全教師つき2段階物体検出法で共同訓練でき,ハエに追加の訓練アノテーションを提供する。これは完全注釈付き画像の低ショットセットのみを必要とする完全エンドツーエンド戦略をもたらす。OAMとFast(er)R-CNNの統合は,PASCAL VOC 2007とMS-COCOベンチマーク上の[数式:原文を参照] mAP,[数式:原文を参照] AP50によりその性能を改善し,混合監視を用いた競合法よりも著しく優れていた。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： エンドツーエンド方式 ,  粒状材 ,  PASCAL ,  ベンチマーク ,  *アノテーション
準シソーラス用語： *物体検出 ,  トレーニング信号 ,  共同訓練 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ショット ,  オブジェクト検出 ,  注釈 ,  学習