抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】