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。
部分監督されたインスタンスセグメンテーションは,注釈付きマスクによる限られた見えるカテゴリーの学習を介して,新しい非意味カテゴリからセグメンテーションオブジェクトを要求するタスクであり,従って,重い注釈負荷の需要を除去する。このタスクに対処する鍵は,効果的なクラス診断マスクセグメンテーションモデルを構築することである。本論文では,このようなモデルのみを学習したカテゴリー上で学習する以前の方法とは異なり,ここでは,統一ピクセルレベルコントラスト学習フレームワークの下で,見えないカテゴリーと見えないカテゴリーの両者でマスクセグメンテーションモデルを学習する,コントラストMaskと名付けた新しい方法を提案した。このフレームワークでは,マスク領域(地上)からの特徴が一緒に引き出され,背景からのものに対して対比され,また,その逆のコントラスト学習の事前として,見えるカテゴリーの注釈付きマスクと偽マスクの偽マスクが機能した。このフレームワークを通して,前景と背景の間の特徴識別を大きく改善し,クラス診断マスクセグメンテーションモデルの学習を容易にした。COCOデータセットに関する徹底的な実験は,著者らの方法の優位性を実証して,それは以前の最先端技術を凌駕した。【JST・京大機械翻訳】