文献

J-GLOBAL ID：202102240780456866   整理番号：21A3307496

クロスコンテキスト注意誘導ネットワークを用いた平衡単一ショットオブジェクト検出【JST・京大機械翻訳】

Balanced single-shot object detection using cross-context attention-guided network

著者 (9件)： Miao Shuyu (Shanghai Key Laboratory of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Miao Shuyu (Ant Group) ,  Du Shanshan (Information Science and Technology, Fudan University) ,  Feng Rui (Shanghai Key Laboratory of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Zhang Yuejie (Shanghai Key Laboratory of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Li Huayu (Shanghai Key Laboratory of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Liu Tianbi (Shanghai Key Laboratory of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Zheng Lin (Ant Group) ,  Fan Weiguo (Department of Business Analytics, Tippie College of Business The University of Iowa, 108 John Pappajohn Business Building, Iowa City, IA 52242, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実世界アプリケーションシナリオでは,物体検出は,通常,2つの技術的課題,すなわち,高精度と高速に遭遇する。アンカーフリー検出に基づく最新の検出フレームワークは優れた性能を達成したが,それらのモデルの複雑さと遅い速度のため実世界シナリオでは広く使用できない。本論文では,人間の視覚システムのクロスコンテキスト注意機構に触発されて,著者らは,精度と速度のバランスをとるために,クロステキスト注意誘導ネットワーク(CCAGNet)を用いた光だが効果的な単一ショット検出フレームワークを提案した。CCAGNetは,オブジェクト-シナジー領域の相互作用を強調するために注意誘導機構を使用し,クロスコンテキスト注意機構(CCAM),受容フィールド注意機構(RFAM),およびセマンティック融合注意機構(SFAM)を結合することによって,非オブジェクト-シナジー領域を抑制する。本研究の主な貢献は,チャネル,空間,交差および隣接領域の文脈情報を同時に考慮する新しい注意機構を確立することである。大規模な実験は,公開ベンチマークデータセットに関する著者らの方法の実現可能性と有効性を実証した。知る限り,CCAGNetは,単一ショット検出器間の精度と速度の間の優れたトレードオフで,PascalVOCとMSCOCOの両方で最先端の性能を得る。特に,平均精度(AP)メトリックは,MSCOCO上の小さな物体検出で17.0%有意に改善された。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *ネットワーク ,  粒状材 ,  有効性 ,  チャネル
準シソーラス用語： *物体検出 ,  高精度 ,  ホップ数 ,  視覚システム , 【Automatic Indexing@JST】

著者キーワード (5件)： クロスコンテキスト注意誘導ネットワーク ,  クロスコンテキスト注意機構 ,  受容野注意機構 ,  意味論的融合注意機構 ,  精度と速度バランス

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： コンテキスト ,  注意 ,  誘導 ,  平衡 ,  ショット ,  オブジェクト検出