文献

J-GLOBAL ID：202202224130450143   整理番号：22A0960257

Crispエッジ検出のための双方向マルチスケール精密化ネットワーク【JST・京大機械翻訳】

Bidirectional Multiscale Refinement Network for Crisp Edge Detection

著者 (3件)： Bao Shi-Shui (School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan, China) ,  Huang You-Rui (School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan, China) ,  Xu Guang-Yu (School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 26282-26293  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い畳み込みニューラルネットワーク(CNN)の開発によって,輪郭検出は,大きな進歩を遂げた。CNNに基づくいくつかの輪郭検出器は,標準ベンチマーク上の人間よりも優れた性能を有する。しかし,隣接画素の類似特徴を学習するCNNは容易であり,入力訓練サンプルにおける背景画素とエッジ画素の数は高度に不均衡である。したがって,CNNに基づくエッジ検出器による予測エッジは厚く,クリスプエッジを得るために後処理を必要とする。従って,適応係数の使用を通してクロスエントロピーとジセ損失を結合する新しい並列注意モデルと新しい損失関数を導入し,より豊富な特徴表現を達成するために多重精密化モジュールをスタックする新しい双方向マルチスケール精密化ネットワーク(BMRN)を提案した。実験結果は,著者らの方法が,BSDS500(0.828のODS Fスコア),NYUDv2深さデータセット(0.778)のNYUDv2深さデータセット(ODS Fスコア,および,ODS Fスコア0.905(0.002))の最新技術よりも優れた性能を有することを示した。。”結論]は,BSDS500(ODS F-スコアが0.828),NYUDv2深さデータセット(ODS F-スコアが0.778),およびMulti-Cueデータセット(ODS Fスコアが0.905(0.002))であった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 適応係数 ,  LISP ,  損失関数 ,  *ネットワーク ,  画素 ,  多重化 ,  後処理 ,  モデル ,  精密化 ,  *エッジ検出 ,  ベンチマーク
準シソーラス用語： 不均衡 ,  輪郭抽出 ,  *マルチスケール ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： エッジ検出 ,  双方向 ,  マルチスケール ,  精密化