文献

J-GLOBAL ID：202102259998967919   整理番号：21A0067231

教師つき,教師なし,および弱教師付き学習の結合によるステレオ視差推定【JST・京大機械翻訳】

Stereo Disparity Estimation via Joint Supervised, Unsupervised, and Weakly Supervised Learning

著者 (3件)： Ren Haoyu (Samsung SOC R&D,San Diego,CA,USA,92121) ,  El-Khamy Mostafa (Samsung SOC R&D,San Diego,CA,USA,92121) ,  Lee Jungwon (Samsung SOC R&D,San Diego,CA,USA,92121)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 2760-2764  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： 著者らは,視差推定のために,共同教師つき学習(S),教師なし学習(U),および弱監督学習(W)を有する深層学習フレームワークであるSUW-Stereoを提案する。教師つき学習モジュールは,地上の視差に基づく知識によって視差推定ネットワークを最適化する。対照的に,教師なし学習モジュールは,地上-真実視差の知識を持たないが,左画像からの現在の右画像と推定視差を予測することによって,視差推定ネットワークを最適化する。弱い教師つき学習は,他のエキスパート情報を用いて,地上-トラス不均衡知識を使用せずに,視差に関するいくつかの情報を導いた。SUW-Stereoは,望ましいSUW目的の共同最適化によって,深い学習ネットワークをエンドツーエンドに訓練する。SUW-Stereoは,AMNetまたはGANetのような最新最先端のネットワークの精度を改善可能であることを実証した。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 ,  *学習 ,  ネットワーク ,  トラス ,  教師なし学習 ,  *教師つき学習 ,  *視差 ,  エンドツーエンド方式 ,  *ステレオ音響
準シソーラス用語： 不均衡 ,  *視差推定 ,  深層学習 , 【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)： 教師 ,  教師付き学習 ,  ステレオ ,  視差推定