文献

J-GLOBAL ID：202202256757468209   整理番号：22A0861872

細粒車両認識のための意味相互作用学習【JST・京大機械翻訳】

Semantic interaction learning for fine-grained vehicle recognition

著者 (4件)： Zhang Jingjing (School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, China) ,  Lei Jingsheng (School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, China) ,  Yang Shengying (School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, China) ,  Yang Xinqi (School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, China)
資料名： Computer Animation & Virtual Worlds  (Computer Animation & Virtual Worlds)
巻： 33  号： 1  ページ： e2036  発行年： 2022年 
JST資料番号： W0455A  ISSN： 1546-4261  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： 細粒車両認識は,姿勢と視点の影響の下で,車両モデル間の高いクラス間混乱のため,挑戦的な問題である。識別特性を効果的に記述するために,多くのアプローチは個々の画像から詳細な情報を学習することを試みた。2つの入力が比較的類似しているケースを扱うSiamesseネットワークに触発されて,意味的相互作用学習ネットワーク(SIL-Net)を設計して,ペアワイズ比較を通して2つの細粒カテゴリ間の意味的差異を発見した。特に,SIL-Netは,入力画像ペアの相互特徴の学習によって,最初にコントラスト情報を収集して,次に,対応するセマンティック特徴を作り出すために,それを個々の特徴と比較する。これらの特徴は文脈比較から意味的差異を学習し,これはSIL-Netがペアワイズ相互作用を介して2つの混乱画像を区別する能力を与える。訓練の後,SIL-Netは,マージンランキング損失の監督の下で特徴優先順位を適応的に学習することができ,急速に収束する。SIL-Netは,2つの公共車両ベンチマーク(Stanford CarsとCompCars)でよく機能し,SIL-Netの細粒車両認識への適合性を示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *相互作用 ,  意味論 ,  *学習 ,  ネットワーク ,  分類 ,  比較 ,  情報収集 ,  適応性 ,  モデル ,  カオス ,  ベンチマーク
準シソーラス用語： 車両モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 対照的情報収集 ,  細粒車両認識 ,  対相互作用 ,  意味論的差異

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  脳・神経系モデル  (EL02050C) ,  薬物の相互作用  (GV01070X) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 細粒 ,  意味 ,  相互作用 ,  学習