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。
最近,注意機構がコンピュータビジョンにおいて広く研究されているが,それらのほとんどは,大規模およびモバイルネットワークの両方で優れた性能を示す。本論文では,フィードフォワード畳み込みニューラルネットワーク用の新しい残留注意学習誘導注意モジュールである二重Rank-1テンソル注意モジュール(DRTAM)を提案した。3D特徴テンソルマップを与えて,DRTAMは最初に3つの軸に沿って3つの2D特徴記述子を生成する。次に,3つの記述子を用いて,DRTAMは,2つのランク-1テンソル注意マップ,初期注意マップ,および補足注意マップを順次推論し,それらを適応特徴精密化(see Fig.1(c))のために入力特徴マップに組み合わせ,乗算する。2つの注意マップを生成するために,DRTAMはランク1テンソル注意モジュール(RTAM)と残差記述子抽出モジュール(RDEM)を導入し,RTAMは各2D特徴記述子をいくつかのチャンクに分割し,各チャンクにストリッププールを用いてランク1テンソル注意マップの3因子ベクトルを生成し,局所と長距離文脈情報をそれぞれ3次元に沿って捉えることができる。RDEMは,初期注意マップの3つの因子ベクトルと入力特徴の3つの記述子を用いて,補完的注意マップを作り出すために残差特徴の3つの2D特徴記述子を生成した。ImageNet-1K,MS COCOおよびPASCAL VOCに関する広範な実験結果は,DRTAMが,他の最先端の注意モジュールと比較して,大規模およびモバイルネットワークの両方で競合性能を達成することを実証した。【JST・京大機械翻訳】