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。
マルチスケール表現は意味セグメンテーションにとって重要である。コミュニティは,マルチスケール文脈情報を利用する意味的セグメンテーション畳込みニューラルネットワーク(CNN)の穀粉を目撃した。視覚変圧器(ViT)が画像分類において強力であることによって,いくつかの意味的セグメンテーションVitsは最近提案され,それらのほとんどは印象的な結果を達成するが,計算経済のコストで達成される。本論文では,ウィンドウ注意機構を介してセマンティックセグメンテーションViTにマルチスケール表現を導入し,さらに性能と効率を改善することに成功した。この目的のために,局所ウィンドウを,ほんの少しの計算オーバヘッドでコンテキストウィンドウのより大きな領域を問い合わせすることを可能にする大きなウィンドウ注意を導入した。問い合わせ領域に対するコンテキスト面積の比率を調節することにより,大規模ウィンドウの注意が,多重スケールで文脈情報を捉えることを可能にした。さらに,空間ピラミッドプールのフレームワークを採用して,大きなウィンドウ注意と協調して,それはセマンティックセグメンテーションViTのために大きいウィンドウ注意空間ピラミッドプール(LawinASPP)という新規復号器を提示した。得られたViT,Lawin変換器は,符号器として効率的な階層的ビジョン変圧器(HVT)と復号器としてLawinASPPから成る。経験的結果は,Lawin変換器が既存の方法と比較して,改良効率を提供することを証明した。さらに,Lawin変換機は,都市景観(84.4%mIoU),ADE20K(56.2%mIoU)およびCOCO-Stuffデータセットに新しい最先端性能を設定した。コードはhttps://github.com/yan hao tian/lawinで放出される。【JST・京大機械翻訳】