1段高分解能顕著性検出のためのピラミッド移植ネットワーク【JST・京大機械翻訳】

Xie Chenxi; Xia Changqun; Ma Mingcan; Zhao Zhirui; Chen Xiaowu; Li Jia

プレプリント

J-GLOBAL ID：202202208388361179 整理番号：22P0329463

1段高分解能顕著性検出のためのピラミッド移植ネットワーク【JST・京大機械翻訳】

Pyramid Grafting Network for One-Stage High Resolution Saliency Detection

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 (6件)： , , , , ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月12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)

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】

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

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る