文献

J-GLOBAL ID：202102232461344607   整理番号：21A1030894

TopoAL:トポロジーを意識した道路セグメンテーションのための敵対的学習アプローチ【JST・京大機械翻訳】

TopoAL: An Adversarial Learning Approach for Topology-Aware Road Segmentation

著者 (4件)： Vasu Subeesh (CVLab, EPFL, Lausanne, Switzerland) ,  Kozinski Mateusz (CVLab, EPFL, Lausanne, Switzerland) ,  Citraro Leonardo (CVLab, EPFL, Lausanne, Switzerland) ,  Fua Pascal (CVLab, EPFL, Lausanne, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12372  ページ： 224-240  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： 空中画像からの道路抽出に対するほとんどの最先端手法は,バックグラウンドとして画像の前景と残りとして道路画素をラベル付けするために訓練されたCNNに依存する。CNNは,通常,道路網のグローバル連結性を保存するバイナリマスクを生成するのに理想的でない,ピクセルワイズ損失を最小化することにより訓練される。この問題に取り組むために,著者らの目的に合わせたAdversarial Learning(AL)戦略を紹介した。ナイーブなものは,分割ネットワークを発電機として扱い,その出力を,識別器に地上-トルースセグメンテーションと共に供給する。次に,発電機と弁別器を一緒に訓練する。殆どの誤差が局所であり,そのようなように処理する必要があるという事実を捉えないので,これは十分ではないことを示した。代わりに,道路網のどの部分がいくつかの異なるスケールで正しいかを記述するラベルピラミッドを返すより洗練された識別子を使用した。この識別器と構造化ラベルは,著者らのアプローチをエッジに提供し,挑戦的な道路Tracerデータセット上で最先端のものより優れていることを示す。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： *位相幾何学 ,  弁別器 ,  *学習 ,  *セグメンテーション ,  ネットワーク ,  *道路 ,  道路網 ,  画素 ,  角錐 ,  連結性
準シソーラス用語： 前景 ,  バイナリマスク ,  空中画像 ,  道路抽出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 道路ネットワーク ,  敵対的学習 ,  生成敵対ネットワーク ,  トポロジー学習

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： トポロジー ,  意識 ,  道路 ,  セグメンテーション ,  敵対的学習