雑音のあるアノテーションの下でのロバストな適応オブジェクト検出に向けて【JST・京大機械翻訳】

Liu Xinyu; Li Wuyang; Yang Qiushi; Li Baopu; Yuan Yixuan

プレプリント

J-GLOBAL ID：202202206023806128 整理番号：22P0327042

雑音のあるアノテーションの下でのロバストな適応オブジェクト検出に向けて【JST・京大機械翻訳】

Towards Robust Adaptive Object Detection under Noisy Annotations

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 (5件)： , , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年04月06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)

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】

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

人工知能 , パターン認識

, , , ,

前のページに戻る