適応補助学習による計数【JST・京大機械翻訳】

Meng Yanda; Bridge Joshua; Wei Meng; Zhao Yitian; Qiao Yihong; Yang Xiaoyun; Huang Xiaowei; Zheng Yalin

プレプリント

J-GLOBAL ID：202202217474947576 整理番号：22P0300711

適応補助学習による計数【JST・京大機械翻訳】

Counting with Adaptive Auxiliary Learning

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08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)

本論文では,オブジェクト計数問題に対する適応補助タスク学習ベースアプローチを提案した。既存の補助タスク学習ベース手法とは異なり,タスク共有とタスクテイル化特徴学習をエンドツーエンド方式で可能にするための注意強化適応共有バックボーンネットワークを開発した。ネットワークでは,タスクの異なるドメイン間の特徴抽出と特徴推論のために,標準畳込みニューラルネットワーク(CNN)とグラフ畳込みネットワーク(GCN)を継目なしに結合した。提案アプローチは,適応CNNバックボーンの異なるタスクブランチを横断して特徴を反復的かつ階層的に融合することにより,豊富な文脈情報を得る。全体のフレームワークは,オブジェクトの空間位置および様々な密度レベルに対して特別な注意を払い,対象(または群衆)セグメンテーションおよび密度レベルセグメンテーション補助タスクによって情報を得た。特に,提案した拡張コントラスト密度損失関数のおかげで,著者らのネットワークは,強化ロバスト性と共に,画素独立および画素依存特徴学習機構に関して,個人および地域コンテキスト監視から利益を得た。7つの挑戦的なマルチドメインデータセットに関する実験は,著者らの方法が最先端の補助タスク学習ベースの計数法に対して優れた性能を達成することを示した。著者らのコードは,https://github.com/smallmax00/Counting_With_Adaptive_Auxiliaryで公開されている。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る