文献

J-GLOBAL ID：202202258818549076   整理番号：22A0475660

シーングラフ生成のための深層関係自己注意ネットワーク【JST・京大機械翻訳】

Deep relational self-Attention networks for scene graph generation

著者 (4件)： Li Ping (Key Laboratory of Complex Systems Modeling and Simulation, School of Computer Science and Technology, Hangzhou Dianzi University, China) ,  Yu Zhou (Key Laboratory of Complex Systems Modeling and Simulation, School of Computer Science and Technology, Hangzhou Dianzi University, China) ,  Zhan Yibing (Key Laboratory of Complex Systems Modeling and Simulation, School of Computer Science and Technology, Hangzhou Dianzi University, China) ,  Zhan Yibing (JD Explore Academy, Beijing, China)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 153  ページ： 200-206  発行年： 2022年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： シーングラフ生成(SGG)は,画像中のオブジェクトを同時に検出して,これらの検出したオブジェクトに対する関係を予測することを目的とする。SGGは,対物間の関係を考慮するだけではなく,オブジェクト間の文脈的関係のモデリングを必要とする。ほとんどの既存の手法はCNNまたはRNNフレームワークを用いてこの問題に対処し,オブジェクト間の密な相互作用を明示的かつ効果的にモデル化できない。本論文では,対象と関係コンテキストを同時にモデル化するために,注意機構を利用し,関係自己注意(RSA)モジュールを導入した。そのようなRSAモジュールを深さに積層することにより,複雑な相互作用を特徴付けることができる深い関係自己注意ネットワーク(RSAN)を得て,オブジェクトと関係意味論の理解を容易にした。ベンチマークVisual Genomeデータセットに関する広範な実験はRSANの有効性を示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  意味論 ,  *ネットワーク ,  深層 ,  有効性 ,  画像理解 ,  ベンチマーク

著者キーワード (3件)： シーングラフ生成 ,  画像理解 ,  深層ニューラルネットワーク

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： シーン ,  グラフ ,  深層 ,  自己 ,  注意