文献

J-GLOBAL ID：202102262499683880   整理番号：21A0669697

意味論的ラベリングのための自己構成グラフ畳込みネットワーク【JST・京大機械翻訳】

Self-Constructing Graph Convolutional Networks for Semantic Labeling

著者 (4件)： Liu Qinghui (UiT Machine Learning Group, UiT the Arctic University of Norway,Tromso,Norway) ,  Kampffmeyer Michael (UiT Machine Learning Group, UiT the Arctic University of Norway,Tromso,Norway) ,  Jenssen Robert (UiT Machine Learning Group, UiT the Arctic University of Norway,Tromso,Norway) ,  Salberg Arnt-Borre (Norwegian Computing Center,Dept. SAMBA,OSLO,Norway,NO-0314)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 1801-1804  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： グラフニューラルネットワーク(GNN)は多くの分野でますます注目を集めている。しかし,事前グラフの欠如のため,意味ラベリングに対する使用は限られている。ここでは,自己構成グラフ(SCG)と呼ばれる新しいアーキテクチャを提案し,学習可能な潜在変数を利用して埋込みを生成し,手動で構築された事前知識グラフに頼らず,入力特徴から直接基礎となるグラフを自己構成する。SCGは,空中画像における複雑な形状オブジェクトから最適化非局所コンテキストグラフを自動的に得ることができる。適応対角増強法とカスタマイズグラフ再構成項とKullback-Leibler発散正則化項から成る変分下限によりSCGを最適化した。公的に利用可能なISPRS Vaihingenデータセット上で提案したSCGの有効性と柔軟性を実証し,著者らのモデルSCG-Netは,関連する純粋CNNベース研究と比較して,はるかに少ないパラメータおよびより低い計算コストでF1スコアに関して競合結果を達成した。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 ,  *畳込み ,  変分法 ,  *意味論 ,  学習 ,  *ネットワーク ,  直接基礎 ,  柔軟性 ,  再構成 ,  正則化 ,  有効性 ,  計算機アーキテクチャ
準シソーラス用語： 事前知識 ,  計算コスト ,  空中画像 , 【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 (5件)： 意味論 ,  ラベリング ,  自己構成 ,  グラフ ,  畳込み