文献

J-GLOBAL ID：202202231069917301   整理番号：22A0032863

セマンティックセグメンテーションのためのプロトタイプ知識指向適応フレームワーク【JST・京大機械翻訳】

A Prototypical Knowledge Oriented Adaptation Framework for Semantic Segmentation

著者 (3件)： Tian Haitao (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Qu Shiru (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Payeur Pierre (Sensing and Machine Vision for Automation and Robotic Intelligence Research Laboratory, University of Ottawa, Ottawa, ON, Canada)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 31  ページ： 149-163  発行年： 2022年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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： 完全畳込みネットワークの一般的ファミリーは,識別表現を学習し,意味セグメンテーションタスクにおける構造予測を生成することができる。しかし,そのような教師つき学習法は大量のラベル付きデータを必要とし,交差ドメイン不変表現を学習できないことを示し,ソースデータセット上で過剰適合性能を生じさせる。ドメイン適応,配列特徴分布に関する強度を示す移動学習技法は,ドメイン間不一致緩和を提供することにより学習法の性能を改善できる。最近,導入した出力空間ベースの適応法は,クロスドメイン意味セグメンテーションタスクに関する重要な進歩を提供するが,ドメイン不一致のドメイン内発散に対する考慮の欠如は,ターゲットドメイン上の過剰適応結果の傾向がある。この問題に取り組むために,まず,そのハードドメインラベルを連続ドメイン空間に緩和するために,ターゲットドメインに関するプロトタイプ知識を活用し,そこでは,ピクセルワイズドメイン適応をソフト敵対損失で開発した。原型知識の開発は,標的ドメインのアンダー配列領域および良く整列した領域に対する特定の適応戦略の精緻化を可能にする。さらに,より良い適応性能を達成するために,著者らは,プロトタイプ知識に関する陰的不確実性を軽減するために,片側識別子を採用した。最後に,提案したプロトタイプ知識指向適応アプローチが,過剰適応に関する分布アラインメントと緩和に関する効果的な指針を提供することを理論的および実験的に実証した。提案手法は,2つの交差ドメインセグメンテーションタスクに関する最先端手法との競合性能を示した。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： アラインメント ,  畳込み ,  学習 ,  *セグメンテーション ,  ネットワーク ,  不確実性 ,  適応性 ,  教師つき学習 ,  緩和現象 ,  プロトタイプ
準シソーラス用語： 識別子 ,  過剰適応 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： セマンティックセグメンテーション ,  プロトタイプ ,  知識 ,  適応 ,  フレームワーク