スケッチなしの大規模スケッチ認識のためのエッジ増強【JST・京大機械翻訳】

Efthymiadis Nikos; Tolias Giorgos; Chum Ondrej

プレプリント

J-GLOBAL ID：202202202262236907 整理番号：22P0295776

スケッチなしの大規模スケッチ認識のためのエッジ増強【JST・京大機械翻訳】

Edge Augmentation for Large-Scale Sketch Recognition without Sketches

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月26日プレプリントサーバーでの情報更新日： 2022年06月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スケッチ分類タスクを多数のカテゴリーにスケールアップする。訓練のためのスケッチの収集は,これまで大規模なスケッチ認識の試みを除外する遅くて退屈なプロセスである。取得が容易である自然画像のラベル付き収集を利用することにより,訓練スケッチデータの欠如を克服した。ドメインギャップを橋渡しするために,自然画像の訓練集合からスケッチ認識を学習するタスクに合わせた新しい増強技術を提示する。エッジ検出とエッジ選択のパラメータにランダム化を導入した。自然画像は,自然画像の代わりに訓練領域として使われる「ランダム化二値薄型エッジ」(rBTE)と呼ばれる擬似革新的ドメインに翻訳される。スケールアップする能力は,以前に使用されたより2.5倍以上のカテゴリーのCNNベースのスケッチ認識を訓練することによって実証された。この目的のために,874のカテゴリーからの自然画像のデータセットを,多くの一般的なコンピュータビジョンデータセットを結合することによって構築した。カテゴリーはスケッチ認識に適するように選択される。性能を推定するために,スケッチを持つ393カテゴリの部分集合も収集した。【JST・京大機械翻訳】

, , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る