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。
知識の人間追跡により,オープンセットオブジェクト検出(OSOD)が,動的世界における未知オブジェクトを同定するために設計された。しかしながら,現在の設定の問題は,全ての予測未知オブジェクトが「未知」と同じカテゴリーを共有することであり,これは,新しいクラスをラベル付けするために,人間インザループアプローチを介して,インクリメンタル学習を必要とする。この問題に取り組むために,新しいタスク,すなわち,Open-Setオブジェクト検出とDiscovery(OSODD)を提示した。この新しいタスクは,オープンセットオブジェクト検出器の能力を拡張し,人間の努力なしに視覚外観に基づく未知物体のカテゴリーをさらに発見することを目的とする。最初に,既知および未知オブジェクトの両方を予測するために,オープンセットオブジェクト検出器を使用する2段階法を提案した。次に,教師なし方法で予測対象の表現を研究し,未知物体の集合から新しいカテゴリーを発見した。この方法で,検出器は既知のクラスに属するオブジェクトを検出し,最小監視で未知クラスのオブジェクトの新しいカテゴリーを定義することができる。完全な評価プロトコルの下でMS-COCOデータセットに関する著者らのモデルの性能を示した。本研究が,よりロバストな実世界検出システムに向けたさらなる研究を促進することが期待される。【JST・京大機械翻訳】