文献

J-GLOBAL ID：202202231296472488   整理番号：22A0913646

予測一貫性トレーニングとアクティブスクリブルブースティングによる弱教師付きRGB-D突出物検出【JST・京大機械翻訳】

Weakly Supervised RGB-D Salient Object Detection With Prediction Consistency Training and Active Scribble Boosting

著者 (5件)： Xu Yunqiu (ReLER Laboratory, Australian Artificial Intelligence Institute (AAII), University of Technology Sydney, Ultimo, NSW, Australia) ,  Yu Xin (ReLER Laboratory, Australian Artificial Intelligence Institute (AAII), University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhang Jing (School of Computing, The Australian National University, Canberra, ACT, Australia) ,  Zhu Linchao (ReLER Laboratory, Australian Artificial Intelligence Institute (AAII), University of Technology Sydney, Ultimo, NSW, Australia) ,  Wang Dadong (Quantitative Imaging Research Team, Data61, CSIRO, Marsfield, NSW, Australia)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 31  ページ： 2148-2161  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： RGB-D突出物体検出(SOD)は,RGB SODと比較して複雑な場面においてよりロバストな結果を示すため,ますます多くの注目を集めている。しかしながら,最先端のRGB-D SOD手法は訓練のための大量のピクセルワイズ注釈データに大きく依存している。そのような高密度ラベル付け注釈は,しばしば労働集約的で高価である。アノテーション負荷を低減するために,弱い教師つき視点からRGB-D SODを調べた。より具体的には,モデル訓練のための監視信号として,注釈に優しいスクリーブルアノテーションを使用する。スクリブルアノテーションは地上トラスマスクと比較してはるかにスパースであるので,いくつかの重要なオブジェクト構造情報は無視されるかもしれない。そのような構造情報を保存するため,2つのモダリティ(すなわちRGBと深さ)から相補的エッジ情報を明示的に利用する。特に,二重モードエッジ誘導を活用し,デュアルエッジ検出モジュールとモダリティ認識特徴融合モジュールを有する新しいネットワークアーキテクチャを導入した。非ラベルピクセルの有用な情報を利用するために,異なる戦略によって最適化された2つのネットワークの予測を比較することによって,予測一貫性訓練方式を導入した。さらに,顕著なSOD性能改善をもたらす,無視できるアノテーションコストで余分な監視信号を提供するためのアクティブなスクリブルブースティング戦略を開発した。7つのベンチマークに関する大規模な実験は,提案した方法の優位性を実証した。注目すべきことに,スクリブブルアノテーションによる提案方法は,完全教師つき最先端手法と比較して,競合性能を達成した。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： 検出 ,  最適化 ,  性能 ,  原価 ,  ネットワーク ,  モデル ,  監視信号 ,  エッジ検出 ,  ベンチマーク ,  ロバスト性 ,  ネットワークアーキテクチャ ,  *アノテーション
準シソーラス用語： モダリティ ,  物体検出 ,  高密度 ,  *RGB-D , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 予測 ,  トレーニング ,  教師 ,  RGB-D ,  突出物検出