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。
わずかなショット意味セグメンテーションは,非常に少ないラベル付きデータだけを有する新しいクラスを認識することを目的とする。この挑戦的なタスクは,クエリ画像とサポート画像間の関連関係のマイニングを必要とする。これまでの研究は,典型的にはピクセルワイズ分類問題と見なされている。したがって,様々なモデルを設計して,質問画像とサポート画像の間の画素の相関を調査した。しかし,それらはピクセルごとの対応のみに焦点を当て,オブジェクトの全体的相関を無視する。本論文では,この問題に取り組むためのマスクベースの分類法を導入した。簡単なマスク分類モデルであるマスク凝集ネットワーク(MANet)を提案し,同時に固定数のマスクとそれらのターゲットの確率を生成した。次に,最終セグメンテーション結果を,それらの位置に従ってすべてのマスクを集約することによって得た。PASCAL-5^iとCOCO-20^iデータセットの両方に関する実験は,著者らの方法が最先端のピクセルベースの方法に匹敵することを示した。この競合性能は,少数ショット意味セグメンテーションにおける代替ベースライン方法としてマスク分類の可能性を実証した。このソースコードはhttps://github.com/TinyAway/MANetで利用できる。【JST・京大機械翻訳】