統合マルチスケールドメイン適応YOLO【JST・京大機械翻訳】

Hnewa Mazin; Radha Hayder

プレプリント

J-GLOBAL ID：202202217269354236 整理番号：22P0286139

統合マルチスケールドメイン適応YOLO【JST・京大機械翻訳】

Integrated Multiscale Domain Adaptive YOLO

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年07月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ドメイン適応の領域は,多くのアプリケーションによって遭遇するドメインシフト問題に対処するのに機器である。この問題は,実際の試験シナリオで使用された目標データとの比較において,訓練に使用されるソースデータの分布の違いにより発生する。本論文では,最近導入したYOLOv4オブジェクト検出器の異なるスケールで,複数のドメイン適応経路と対応するドメイン分類器を使用する,新しいMultiScaleドメイン適応YOLO(MS-DAYOLO)フレームワークを導入した。ベースラインマルチスケールDAYOLOフレームワークに基づいて,ドメイン不変特徴を生成するドメイン適応ネットワーク(DAN)のための3つの新しい深層学習アーキテクチャを導入した。特に,非統一分類器(UC)と統合アーキテクチャであるProgressive Fature Reduction(PFR)を提案する。提案DANアーキテクチャを,ポピュラーなデータセットを用いてYOLOv4と共に訓練し,テストする。著者らの実験は,提案したMS-DAYOLOアーキテクチャを用いてYOLOv4を訓練し,自律運転アプリケーションのためのターゲットデータで試験したとき,オブジェクト検出性能における顕著な改善を示した。さらに,MS-DAYOLOフレームワークは,Faster R-CNN解と比較して,同等の物体検出性能を提供しながら,1桁の実時間速度改善を達成した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , 【Automatic Indexing@JST】

光通信方式・機器 , 計算機網

, ,

前のページに戻る