意味論的セグメンテーションのための連続バッチノルム適応(CBNA)【JST・京大機械翻訳】

Klingner Marvin; Ayache Mouadh; Fingscheidt Tim

プレプリント

J-GLOBAL ID：202202202356644065 整理番号：22P0297724

意味論的セグメンテーションのための連続バッチノルム適応(CBNA)【JST・京大機械翻訳】

Continual BatchNorm Adaptation (CBNA) for Semantic Segmentation

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03月02日プレプリントサーバーでの情報更新日： 2022年07月08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)

自律運転車両における環境認識は,しばしば,ドメインシフトの対象となる深いニューラルネットワーク(DNN)に大きく依存し,DNN展開中に大幅に減少した性能をもたらす。通常,この問題は,ソースとターゲットドメインデータセット上で同時に訓練された教師なしドメイン適応(UDA)アプローチ,あるいはオフライン方式でのターゲットデータだけのソースフリーに取り組まれる。本研究では,さらに,セマンティックセグメンテーションのための単一画像ベースで,連続的でオンラインで実行可能なUDAへのソースフリーUDAアプローチを拡張した。したがって,著者らの方法は,供給者(ソースドメインで訓練された)と電流(非ラベル化ターゲット領域)カメラ画像からの事前訓練モデルだけを必要とする。逐次バッチNorm Adaptation(CBNA)は,教師なし方式でターゲットドメイン画像を用いて,バッチ正規化層におけるソースドメイン統計量を改変し,推論中に一貫した性能改善をもたらす。従って,既存の研究とは対照的に,この手法は,アルゴリズム遅延なしに,また計算オーバヘッドなしで,ソースデータへのアクセスなしに,展開中の単一画像ベースで連続的にDNNを改善するために適用できる。意味セグメンテーションのための多様なソース/ターゲットドメイン設定を横断して,この方法の一貫した有効性を示した。コードはhttps://github.com/ifnspaml/CBNAで利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識 , 自然語処理

, , , ,

前のページに戻る