文献

J-GLOBAL ID：202102246004559913   整理番号：21A0066974

GSANet:グローバルおよび選択的注意による意味的セグメンテーション【JST・京大機械翻訳】

GSANet: Semantic Segmentation With Global And Selective Attention

著者 (4件)： Liu Qingfeng (SOC Multimedia R&D, Samsung USA) ,  El-Khamy Mostafa (SOC Multimedia R&D, Samsung USA) ,  Bai Dongwoon (SOC Multimedia R&D, Samsung USA) ,  Lee Jungwon (SOC Multimedia R&D, Samsung USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 1471-1475  発行年： 2020年 
JST資料番号： W2441A  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： 本論文では,意味セグメンテーションのための新しい深層学習アーキテクチャを提案した。提案したグローバルおよび選択的注意ネットワーク(GSANet)は,新しいスパース最大グローバル注意と,抽出された深い特徴からマルチスケール文脈情報を集約するための凝縮と拡散機構を展開する新しい選択的注意を有する,アトロス空間ピラミッドプール(ASPP)を特徴とする。ソフトマックス体積を最適化するためのGSA-ASPP出力を処理するために,選択的注意復号器も提案した。著者らは,エッジデバイスに関する低待ち時間のために最適化される,低複雑性特徴抽出ネットワーク(FXN)モバイルNetEdgeを有するセマンティックセグメンテーションネットワークの性能を最初にベンチマークする。GSANetは,MobileNetEdgeによるより正確なセグメンテーションと,X知覚のような強いFXNの結果となることを示した。GSANetは,ADE20kと都市景観データセットの両方で最先端の意味セグメンテーション精度を改善する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *セグメンテーション ,  ネットワーク ,  復号器 ,  特徴抽出 ,  都市景観 ,  待ち時間 ,  ベンチマーク ,  計算機アーキテクチャ ,  携帯電話
準シソーラス用語： 文脈情報 ,  マルチスケール ,  低複雑性 ,  深層学習 ,  セグメンテーション精度 , 【Automatic Indexing@JST】

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)： グローバル ,  選択的注意 ,  意味 ,  セグメンテーション