文献

J-GLOBAL ID：202102269022872150   整理番号：21A2955236

スクイーズ-および-励起ネットワークに対する空間プーリングへの深いデービング【JST・京大機械翻訳】

Delving deep into spatial pooling for squeeze-and-excitation networks

著者 (7件)： Jin Xin (Megvii Research Nanjing, Megvii Technology, Nanjing, China) ,  Xie Yanping (Department of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Wei Xiu-Shen (PCA Lab, Key Lab of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, and Jiangsu Key Lab of Image and Video Understanding for Social Security, School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, Ch...) ,  Wei Xiu-Shen (State Key Lab. for Novel Software Technology, Nanjing University, Nanjing, China) ,  Zhao Bo-Rui (Megvii Research Nanjing, Megvii Technology, Nanjing, China) ,  Chen Zhao-Min (Megvii Research Nanjing, Megvii Technology, Nanjing, China) ,  Tan Xiaoyang (Department of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  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： Squeeze-and-Excitation(SE)ブロックは,チャネル毎の特徴応答の再重み付けにより最先端の深層アーキテクチャに対する顕著な精度利得を実証した。SEブロックは,2つの操作を統合するアーキテクチャユニットである:空間畳込み特徴をチャネル特徴に集約する大域的平均プールを用いるスクイーズ操作と,各チャネルを再重みづけするスクイーズ特徴からインスタンス固有チャネル重みを学習する励起操作。本論文では,SEブロックにおけるスクイーズ操作を再検討し,最小余分のコストで励起モジュールに豊富(大域的および局所的)情報をどのように埋め込むかを明らかにした。特に,単純だが効果的な2段階空間プールプロセス:豊富な記述子抽出と情報融合を導入した。豊富な記述子抽出ステップは,大域的平均プールより有益な手がかりを含む多様な(即ち,大域的および特に局所的)深い記述子の集合を得ることを狙った。一方,融合ステップを介してこれらの記述子により配信されるより多くの情報を吸収することは,データ駆動方式でより正確な再重みスコアを回復するための励起操作を支援できる。画像分類のためのImageNetと物体検出とインスタンスセグメンテーションのためのMS-COCOに関する広範囲な実験によって,著者らの方法の有効性を検証した。これらの実験に対して,この方法は,いくつかの場合,大きなマージンによって,すべてのタスクでSENet上で一貫した改善を達成した。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： 畳込み ,  *励起 ,  セグメンテーション ,  *ネットワーク ,  利得 ,  重みづけ ,  深層 ,  有効性 ,  チャネル ,  計算機アーキテクチャ
準シソーラス用語： 画像分類 ,  物体検出 ,  データ駆動 ,  畳込みニューラルネットワーク ,  スクイーズ , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳込みニューラルネットワーク ,  スクイーズと励起 ,  空間プーリング ,  ベースモデル

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 (2件)： スクイーズ ,  励起