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。
セマンティックセグメンテーション法は,画像における異常オブジェクトを直接同定できない。この現実的な設定からの異常セグメンテーションアルゴリズムは,分布内オブジェクトとOf-Dis属性(OOD)オブジェクトを区別でき,ピクセルに対する異常確率を出力する。本論文では,限られた注釈付き画像からの配信訓練データのためのセマンティックプロトタイプを抽出するために,プロトタイプ誘導異常セグメンテーションネットワーク(PGAN)を提案した。このモデルでは,プロトタイプを用いて階層的カテゴリ意味情報をモデル化し,OODピクセルを識別する。提案したPGANモデルはセマンティックセグメンテーションネットワークとプロトタイプ抽出ネットワークを含む。類似性測度を採用してプロトタイプを最適化した。学習した意味プロトタイプをカテゴリ意味論として用いて,試験画像から抽出した特徴との類似性を比較し,次に意味セグメンテーション予測を生成した。また,提案したプロトタイプ抽出ネットワークを,ほとんどの意味セグメンテーションネットワークに統合でき,OOD画素を認識することができた。StreetHazardsデータセット上で,提案したPGANモデルは異常セグメンテーションに対して53.4%のmIoUを生成した。実験結果は,PGANが異常セグメンテーションタスクにおいてSOTA性能を達成することを示した。【JST・京大機械翻訳】