文献

J-GLOBAL ID：202102290997054256   整理番号：21A1256113

マルチ特徴注意に基づく循環ネットワークの有意性検出【JST・京大機械翻訳】

Salient Object Detection Using Multi-Scale Features with Attention Recurrent Mechanism

著者 (4件)： Lu Shanmei (山東財経大学計算机科学与技術学院済南250014;山東省数字媒体技術重点実験室 済南250014) ,  Guo Qiang (山東財経大学計算机科学与技術学院済南250014;山東省数字媒体技術重点実験室 済南250014) ,  Wang Ren (山東財経大学計算机科学与技術学院済南250014;山東省数字媒体技術重点実験室 済南250014) ,  Zhang Caiming (山東省数字媒体技術重点実験室 済南250014;山東大学軟件学院 済南250010)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 32  号： 12  ページ： 1926-1937  発行年： 2020年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 特徴表現は画像顕著性検出のキーであり、既存の方法から抽出した特徴には一定の識別可能性が欠けている。この問題を解決するために,マルチスケール文脈特徴抽出機構と注意力循環機構を提案した。マルチスケール文脈特徴抽出機構は,空洞コンボリューションにより高層特徴の受容野を増し,豊富な文脈意味特徴を獲得し,ベクトル集合戦略を用いて特徴融合を行う。融合特徴の識別可能性を強化するため、注意力メカニズムを利用して、適応的に畳込み特徴に対して重みを増し、各画素の重要性を区別し、注意力を顕著領域に集中させ、背景中の妨害情報を抑制する。これに基づいて、循環ネットワークを用いて、空間位置で畳み込み特徴の段階的詳細化を行い、さらに顕著性領域とエッジを調整でき、精確な顕著図を生成する。方法は,5つの一般的データセットに関して,8つの相関方法と比較した。実験結果は,この方式が,より正確で完全なグラフを生成するだけでなく,MAEと最大F-measureの量子化性能も向上することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ベクトル ,  量子化 ,  *ネットワーク ,  特徴抽出 ,  画素 ,  精密化 ,  上層
準シソーラス用語： マルチスケール ,  受容野 ,  特徴融合 ,  特徴表現 , 【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 (3件)： マルチ ,  注意 ,  循環