文献

J-GLOBAL ID：202102218151217704   整理番号：21A2065128

オブジェクト検出のための文脈ベース特徴融合ネットワーク【JST・京大機械翻訳】

Context-based Feature Fusion Network for Object Detection

著者 (4件)： Xia Yinfeng (University of Science and Technology of China, China) ,  He Yuqiang (University of Science and Technology of China, China) ,  Hao Xiaoliang (University of Science and Technology of China, China) ,  Yin Baoqun (University of Science and Technology of China, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICAIP 2020  ページ： 15-20  発行年： 2020年 
JST資料番号： D0698C  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： 物体検出のために,マルチスケール特徴融合に基づく方法は,性能を改善するために広く使われている。しかし,性能改善は,十分な大域的コンテキスト情報の欠如と低レベル特徴における様々な背景ノイズの存在のために制限される。上記の問題に関して,Context抽出モジュール(CEM)とContext Refinmentモジュール(CRM)を提案した。CEMは,ネットワークが様々な受容野から抽象的な大域的文脈情報を学習できる。CRMは注意機構を用いて低レベル特徴表現の識別能力を強化する。CEMとCRMの有効性を評価するために,著者らは,FSSD(Feature Function Single Shot Multibox Detector)に基づく文脈ベースの特徴融合ネットワーク(CFFN)と呼ばれる新しいネットワークを構築し,実験を行った。Pascal VOC 2007試験において,検出性能は入力サイズ320×320で81.4%のmAPを達成できる。さらに,COCOの結果は従来のFSSDよりも大きな利点を有した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  有効性
準シソーラス用語： 背景雑音 ,  マルチスケール ,  *物体検出 ,  受容野 ,  コンテキスト情報 , 【Automatic Indexing@JST】

著者キーワード (3件)： 注意機構 ,  画像処理 ,  オブジェクト検出

分類 (3件)： パターン認識  (JE07000S) ,  計測機器一般  (AD02000X) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： オブジェクト検出 ,  文脈 ,  特徴融合