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。
ドメイン適応オブジェクト検出(DAOD)は,注釈付きソースドメインからの画像とラベルの結合分布をモデル化し,与えられたターゲットドメイン画像でターゲットラベルを推定するためにドメイン不変変換を学習する。既存の方法は,ソースドメインラベルが完全にクリーンであると仮定するが,大規模データセットは,しばしば,バイアス源分布をもたらし,ドメイン適応検出器デファクトの性能を著しく劣化させる,インスタンス曖昧さによる誤り傾向アノテーションを含んでいる。本論文では,雑音のあるDAODを定式化する最初の努力を示し,この問題に取り組むための雑音潜在転送可能性探索(NLTE)フレームワークを提案した。それは,1)潜在的インスタンスマイニング(PIM)で特徴があり,これは,背景から誤注釈インスタンスを再捕獲するための適格な提案を活用する;2)Morphable Graph Relationモジュール(MGRM)は,関係行列を持つノイズのあるサンプルの適応可能性と遷移確率をモデル化する。3)エントロピー-ハードウェア勾配再構成(EAGR)は,識別プロセスに意味情報を組み込み,雑音のあるクリーンなサンプルによって提供される勾配を強制し,学習領域不変表現に整合する。雑音源アノテーションによるベンチマークDAODデータセットに関する徹底的な評価は,NLTEの有効性を検証した。特に,NLTEは,60%の故障した注釈によって,mAPを8.4%改善し,また,クリーンソースデータセット上で訓練の理想的な上限にアプローチさえする。【JST・京大機械翻訳】