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。
オブジェクト検出器は,固定事前定義カテゴリーを持つ完全注釈訓練データで典型的に学習される。しかし,カテゴリーは次第に増加する必要がある。通常,古いクラスで注釈付けされた元の訓練セットと,新しいクラスでラベル付けされたいくつかの新しい訓練データは,そのようなシナリオで利用可能である。限られたデータセットに基づいて,すべてのカテゴリーを扱うことができる統一検出器が強く必要とされる。本研究では,実用的なスキームを提案した。矛盾のない損失を,ラベル曖昧さを避けるために設計して,1つの訓練ラウンドで許容できる検出器に導いた。性能をさらに改善するために,モンテカルロDropoutを用いて,より正確な境界ボックスをマイニングする局所化信頼度を計算し,再訓練中の擬似アノテーションのより良い利用を行うための重複加重法を提案した。大規模な実験は,著者らの方法の有効性を実証した。【JST・京大機械翻訳】