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。
弱ラベル(例えば,画像タグのみ)データからの学習意味セグメンテーションは,スパース意味タグから高密度オブジェクト領域を推論するのが難しいので,挑戦的である。広く研究されているにもかかわらず,ほとんどの現在の努力は,個々の画像または画像対によって運ばれる限られた意味注釈から直接的に学習し,積分局在化マップを得るためにストラググルールである。本研究は,ネットワーク学習と推論のための豊富な弱ラベル訓練データの間で相乗的に豊富な意味的文脈を探索することによって,新しい展望からこれを緩和する。特に,局所意味コントラストと凝集(RCA)を提案した。RCAは,訓練データに現れる大規模で多様なオブジェクトパターンを保存するために,地域記憶バンクを装備し,データセットレベル意味構造の探索のための強いサポートとして作用する。特に,i)意味的コントラストを提案し,大規模なカテゴリーオブジェクト領域を対比してネットワーク学習を駆動し,より全体的なオブジェクトパターン理解を導き,ii)意味表現を豊かにするためにメモリにおける多様な関係文脈を集めるための意味的集約を提案した。この方法で,RCAは細粒の意味理解の強力な能力をもたらし,最終的に2つの一般的なベンチマーク,すなわちPASCAL VOC 2012とCOCO 2014に関する最新の結果を確立した。【JST・京大機械翻訳】