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。
深層ニューラルネットワークに基づく最近の顕著な物体検出(SOD)法は,顕著な性能を達成した。しかし,低解像度入力のために設計された既存のSODモデルの大部分は,サンプリング深さと受容野サイズの間の矛盾のために,高解像度画像で不十分に機能した。この矛盾を解決することを目的として,著者らは,変圧器とCNNバックボーンを用いて,異なる解像度画像から特徴を抽出し,次に,変圧器枝からCNN分岐までの特徴を抽出するため,ピラミッド型グラフティングネットワーク(PGNet)と呼ばれる新しい1段階フレームワークを提案した。注意ベースのクロスモデルグラフトモジュール(CMGM)を提案し,復号化プロセス中の異なるソース特徴によって導かれる,CNNブランチをより全体論的に組み合わせることを可能にした。さらに,CMGMにより生成された注意行列を明示的に監視するために注意誘導損失(AGL)を設計し,ネットワークが種々のモデルから注意と良く相互作用するのを助ける。著者らは,4K-8K解像度で5,920画像を含む新しい超-高-Resolution Salicy Detection Data UHRSDを貢献した。著者らの知る限り,それは高分解能SODタスクのための量と分解能の両方における最大のデータセットであり,将来の研究で訓練と試験に使用できる。UHRSDと広く使用されたSODデータセットに関する十分な実験は,著者らの方法が最先端の方法と比較して優れた性能を達成することを実証した。【JST・京大機械翻訳】