文献

J-GLOBAL ID：202202258021128225   整理番号：22A0789006

セマンティックセグメンテーションにおける教師なしドメイン適応のための空間特徴間の余弦類似性の最大化【JST・京大機械翻訳】

Maximizing Cosine Similarity Between Spatial Features for Unsupervised Domain Adaptation in Semantic Segmentation

著者 (3件)： Chung Inseop (Seoul National University) ,  Kim Daesik (Naver Webtoon Corp.) ,  Kwak Nojun (Seoul National University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 1979-1988  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 特徴レベルでソースとターゲットドメイン間の余弦類似性を最大化することにより,意味セグメンテーションのための教師なしドメイン適応の問題に取り組む新しい方法を提案した。セグメンテーションネットワークは主に2つの部分,特徴抽出器と分類ヘッドから成る。2つのドメインが特徴レベルで小さなドメインギャップを持つならば,それらは分類ヘッドで小さなドメイン不一致も有すると期待する。提案手法は,ソース特徴マップとターゲット特徴マップの間の余弦類似性行列を計算し,次に,閾値を超える要素を最大化し,最も類似したソース特徴と高い類似性を持つ目標特徴をガイドする。さらに,ソース領域の最新の特徴を保存して,余弦類似性行列を計算するとき,非整合問題を防ぎ,様々な画像から様々なソース特徴を持つターゲット特徴を比較することができるクラスワイズソース特徴辞書を使用した。大規模な実験を通して,著者らは,著者らの方式が2つの教師なしドメイン適応タスク(GTA5→CityscopesとSYNTHIA→Cityscopes)に関して性能を得ることを立証した。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： *セグメンテーション ,  ネットワーク ,  特徴抽出 ,  類似性
準シソーラス用語： 特徴マップ , 【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)： セマンティックセグメンテーション ,  教師 ,  ドメイン適応 ,  類似性 ,  最大化