文献

J-GLOBAL ID：202202214086612715   整理番号：22A0631256

未知オブジェクトによるオープンセットシーングラフ生成に向けて【JST・京大機械翻訳】

Towards Open-Set Scene Graph Generation With Unknown Objects

著者 (3件)： Sonogashira Motoharu (GRP, RIKEN, Seika, Kyoto, Japan) ,  Iiyama Masaaki (Faculty of Data Science, Shiga University, Hikone, Shiga, Japan) ,  Kawanishi Yasutomo (GRP, RIKEN, Seika, Kyoto, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 11574-11583  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： シーングラフ生成(SGG)は,画像におけるオブジェクトとそれらの関係を検出し,それによって様々な実世界アプリケーションのための複雑なシーンの詳細な理解を可能にする。ロボットビジョンのようなSGGアプリケーションでは,他の種類の物体として物体を認識せずに,あるいはそれを無視することなしに,すべてのオブジェクトを正しく検出することが重要である。しかしながら,SGGに関する以前の研究は,そのクラスが訓練において未意味である未知のオブジェクトを考慮していない。その結果として,現在のSGG法は,既知のオブジェクトクラスとしてそれらを誤って分類するか,あるいはそれらを見逃す。本論文では,未知のオブジェクトと,それらの関係の検出に焦点を合わせて,未知のオブジェクトを有する「オープンセットSGG」という新しい問題を提案した。具体的には,この新問題を形式的に定義し,未知オブジェクトを有する拡張データセットとオープンセット設定用に設計した新しい評価メトリックを含む評価プロトコルを提案した。また,既存のSGG法を採用して,拡張して,オープンセットSGGの現在のベースライン性能を確立するために,実験を通してそれらを比較した。最後に,オープンセット設定における現在のSGG方法論の限界を議論し,将来の研究方向を指摘した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類 ,  画像 ,  *応用プログラム ,  基準線
準シソーラス用語： ロボットビジョン ,  オブジェクトクラス ,  ホップ数 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： オブジェクト