文献

J-GLOBAL ID：202002298113057482   整理番号：20A0144928

画像意味セグメンテーションのためのコンパクトな位置意識型注意ネットワーク【JST・京大機械翻訳】

Compact Position-Aware Attention Network for Image Semantic Segmentation

著者 (4件)： Xu Yajun (Institute of Information Engineering, School of Cyber Security, Chinese Academy of Sciences, Beijing, China) ,  Mao Zhendong (University of Science and Technology of China, Hefei, China) ,  Zhang Peng (Institute of Information Engineering, School of Cyber Security, Chinese Academy of Sciences, Beijing, China) ,  Wang Bin (Xiaomi AI Lab, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11962  ページ： 639-650  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： 知的マルチメディアセキュリティにおいて,自動画像意味セグメンテーションは基礎研究であり,マルチメディアデータから重要なターゲットを正確に認識し,その後のセキュリティ解析を実行することを容易にする。ほとんどの既存の意味的セグメンテーション法は,完全畳込みネットワーク(FCN)に基づく画像画素間の相互作用をモデル化することにより顕著な進歩を遂げた。しかし,FCNにより抽出された意味的特徴は,元の画像の詳細を表現する能力が乏しいという事実を無視している。これは,相互作用モデリングに基づく方法に対する空間位置の隣接領域内の真の正の関連情報を常に困難にする。上記の問題に取り組むために,著者らは位置情報を考慮して,セグメンテーション結果における局所的一貫性を強化するために画素間の位置関連性を適応的にモデル化した。空間的に強化された注意モジュールとチャネル拡張された注意モジュールを含む新しいコンパクトな位置認識注意ネットワーク(CPANET)を提案し,相互に強化された方法で画像ピクセル間の意味的関連性と位置関連性を同時に学習する。空間拡張モジュールにおいて,自己注意機構に基づいてモデル位置関連性に対する相対的高さと幅距離を導入した。チャネル拡張モジュールでは,任意のチャネルを横切る任意の位置におけるピクセル間のコンパクトな相関をモデル化するために双線形プールを利用する。提案したCPANETは,意味的セグメンテーション性能を改善するために,コンパクトな方法で画像画素の正確な位置と意味を相互に学習できる。実験結果は,著者らのアプローチが,シシscデータセットにおいて最先端の性能を達成したことを実証した。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安全解析 ,  位置情報 ,  畳込み ,  *セグメンテーション ,  線形性 ,  相互作用 ,  画素 ,  チャネル ,  モデリング ,  *ネットワーク
準シソーラス用語： マルチメディアセキュリティ , 【Automatic Indexing@JST】

著者キーワード (5件)： 知的マルチメディアセキュリティ ,  意味セグメンテーション ,  自己注意 ,  意味的関連性 ,  位置関連性

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 意味 ,  セグメンテーション ,  意識 ,  注意