文献

J-GLOBAL ID：202102283130270473   整理番号：21A0271798

2Dオブジェクト検出のためのスケール適応特徴ピラミッドネットワーク【JST・京大機械翻訳】

Scale Adaptive Feature Pyramid Networks for 2D Object Detection

著者 (6件)： He Lifei (School of Computer Science, Hangzhou Dianzi University, Hangzhou 310000, China) ,  Jiang Ming (School of Computer Science, Hangzhou Dianzi University, Hangzhou 310000, China) ,  Ohbuchi Ryutarou (Department of Computer Science and Engineering, University of Yamanashi, 4-3-11 Takeda, Kofu-shi, Yamanashi-ken 400-8511, Japan) ,  Furuya Takahiko (Department of Computer Science and Engineering, University of Yamanashi, 4-3-11 Takeda, Kofu-shi, Yamanashi-ken 400-8511, Japan) ,  Zhang Min (School of Computer Science, Hangzhou Dianzi University, Hangzhou 310000, China) ,  Li Pengfei (School of Computer Science, Hangzhou Dianzi University, Hangzhou 310000, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 物体検出はコンピュータビジョンにおけるコアタスクの1つである。オブジェクト検出アルゴリズムは,しばしば,多様なスケール,特により小さなスケールを有するオブジェクトを検出するのが難しい。この問題に対処するために,Linらは特徴ピラミッドネットワーク(FPN)を提案し,それはあらゆるスケールレベルでより高い意味コンテンツを有する特徴ピラミッドを狙った。FPNはボトムアップピラミッドとトップダウンピラミッドから成る。ボトムアップピラミッドは,特徴マップの層として畳み込みニューラルネットワークによって誘導される。トップダウンピラミッドは,ボトムアップピラミッドの上部で,高度に意味があるが低解像度特徴マップの漸進的アップサンプリングにより形成される。各アップサンプリングステップにおいて,ボトムアップピラミッドの特徴マップをトップダウンピラミッドと融合し,トップダウンピラミッドにおける高意味だが高解像度特徴マップを生成した。大幅な改善にもかかわらず,FPNは小規模の物体を誤っている。小規模物体の検出をさらに改善するために,本論文では,スケール適応特徴ピラミッドネットワーク(SAFPN)を提案した。SAFPNは,ボトムアップピラミッドとトップダウンピラミッドの融合特徴マップにおける各入力画像に適応的に選択した重みを採用した。スケール適応重みを特徴マップ融合計算に構築したスケール注意モジュールを用いて計算する。スケール注意モジュールは訓練データセットの画像に含まれるオブジェクトのスケールに適応するためにエンドツーエンドに訓練された。2段検出器高速R-CNNと1段検出器RetinaNetの両方を用いた実験的評価は,提案したアプローチの有効性を実証した。Copyright 2020 Lifei He et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エンドツーエンド方式 ,  検出器 ,  *二次元 ,  角錐 ,  コンピュータビジョン ,  有効性 ,  高分解能 ,  コンテンツ
準シソーラス用語： 訓練データ ,  *物体検出 ,  ボトムアップ ,  アップサンプリング ,  特徴マップ ,  検出アルゴリズム ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (18件)：

• K. Simonyan, A. Zisserman, "Very deep convolutional networks for large-scale image recognition," Proceedings of the International Conference on Learning Representations (ICLR), New Orleans, LA, USA, April 2014.
• R. Girshick, J. Donahue, T. Darrell, J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," Proceedings of the IEEE conference on Computer Vision and Pattern Recognition (CVPR), pp. 580-587, Columbus, OH, USA, June 2014.
• K. He, X. Zhang, X. Ren, J. Sun, "Spatial pyramid pooling in deep convolutional networks for visual recognition," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 37, no. 9, pp. 1904-1916, 2015.
• R. Girshick, "Fast R-CNN," Proceedings of the IEEE International Conference on Computer Vision (ICCV), pp. 1440-1448, Santiago, CL, USA, Dec 2015.
• S. Ren, K. He, R. B. Girshick, J. Sun, "Faster R-CNN: towards real-time object detection with region proposal networks," Proceedings of the Advances in Neural Information Processing Systems (NIPS), pp. 91-99, Montreal, Canada, December 2015.

タイトルに関連する用語 (5件)： 2D ,  オブジェクト検出 ,  スケール ,  適応 ,  ピラミッド