文献

J-GLOBAL ID：202102226379767163   整理番号：21A0739058

マルチスケール特徴マップと環型関係推論を組み合わせたシーングラフ生成モデル【JST・京大機械翻訳】

Scene Graph Generation Model Combining Multi-scale Feature Map and Ring-type Relationship Reasoning

著者 (2件)： Zhuang Zhigang (广東工業大学計算机学院 广州 510000) ,  Xu Qinglin (广東工業大学計算机学院 广州 510000)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 4  ページ： 136-141  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： シーン図は画像内容の構造図(Graph)を記述し、その生成過程に2つの問題が存在する:1)2段階式シーン図生成方法による有益な情報の損失、タスクの難度の向上,2)視覚関係の長尾分布によるモデルの過適合、関係推理のエラー率の上昇。この2つの問題に対して、本文では、マルチスケール特徴マップと環型関係推論を組み合わせたシーン図生成モデルSGiF(SceneGraphinFeatures)を提案した。まず第一に,多重スケール特徴グラフ上の各特徴点における視覚関係の可能性を計算し,高い特徴点を特徴抽出した。次に,抽出された特徴から主目的組合せを得て,復号化結果のクラス差に従って,結果を除去して,シーングラフ構造を得た。最後に、シーン図構造により目標関係辺を含むループを検査し、ループ上の他の辺を計算調整因子の入力とし、この因子で原関係推論結果を調整し、最終的にシーン図の生成を完成した。実験設定SGGenとPredClsを検証項目とし、大型シーン図生成データセットVG(VisualGenome)のサブセットにおける実験結果により、マルチスケール特徴マップを用いることで、2段階式基線よりSGiFの視覚関係検出ヒット率が7高くなった。ループ型関係推論を用いることにより,SGiFは,非環形関係推論のベースラインと比較して,2.18%,SGiFの有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  特徴抽出 ,  環状体 ,  誤り率 ,  基準線 ,  有効性
準シソーラス用語： *マルチスケール ,  特徴点 ,  *生成モデル ,  *特徴マップ ,  グラフ構造 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： マルチスケール ,  特徴マップ ,  環 ,  推論 ,  シーン ,  グラフ ,  生成モデル