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。
ヒートマップ回帰は,顔ランドマーク局在化と人間姿勢推定を含む深層学習ベース意味ランドマーク位置確認のための主流方法論になった。ヒートマップ回帰は,姿勢,照明,および制約のない設定におけるオクルージョンにおける大きな変動に対してロバストであるが,通常,サブピクセル位置決め問題に悩まされる。特に,ヒートマップにおける活性化点指数は常に整数であると考えると,数値座標の表現として熱マップを使用するとき,量子化誤差が現れる。サブピクセル位置決め問題を克服するための以前の方法は,通常,高解像度熱マップに依存する。その結果,位置決め精度と計算コストの達成の間に常にトレードオフがあり,そこでは,ヒートマップ回帰の計算複雑性は,二次方式で熱マップ分解能に依存する。本論文では,バニラヒートマップ回帰の量子化誤差を形式的に解析し,サブピクセル位置決め問題を扱うための単純だが効果的な量子化システムを提案した。ランダム化丸め操作により誘導した提案量子化システムは,訓練中の確率的手法を用いて,数値座標の分数部分をグランドトルースヒートマップに符号化する。2)試験中の一連の活性化点から予測した数値座標を縮小する。ヒートマップ回帰のための提案量子化システムは不偏で無損失であることを証明する。一般的な顔ランドマーク位置確認データセット(WFLW,300W,COFW,およびAFLW)と人間姿勢推定データセット(MPIIとCOCO)に関する実験結果は,効率的で正確な意味ランドマーク位置確認のための提案方法の有効性を実証した。コードはhttp://github.com/baoshengyu/H3Rで利用可能である。【JST・京大機械翻訳】
