文献

J-GLOBAL ID：202202265781275782   整理番号：22A0456543

D**2C-Net:カムフラージュオブジェクト検出のための二重分岐,二重誘導およびクロスリファイナネットワーク【JST・京大機械翻訳】

D$^{2}$C-Net: A Dual-Branch, Dual-Guidance and Cross-Refine Network for Camouflaged Object Detection

著者 (6件)： Wang Kang (School of Electrical Engineering, and Information Department, Northeast Petroleum University, Daqing, China) ,  Bi Hongbo (School of Electrical Engineering, and Information Department, Northeast Petroleum University, Daqing, China) ,  Zhang Yi (IETR Lab, INSA Rennes, Rennes, France) ,  Zhang Cong (School of Electrical Engineering, and Information Department, Northeast Petroleum University, Daqing, China) ,  Liu Ziqi (School of Electrical Engineering, and Information Department, Northeast Petroleum University, Daqing, China) ,  Zheng Shuang (Tianjin chain number technology company, Tianjin, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 69  号： 5  ページ： 5364-5374  発行年： 2022年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  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： 本論文では,D2C-Netと名付けたカモフラージュオブジェクト検出(COD)のための新しいフレームワークを提案し,それは2つの新しいモジュール:二重分枝特徴抽出(DFE)と徐々に精密化した交差融合(GRCF)を含む。特に,DFEはカモフラージュシーンの観察における人間の視覚機構の2段階検出プロセスをシミュレートする。第一段階では,密な連結を用いて,マルチレベル特徴を集約し,受容野を拡大した。第1段階特徴マップを用いて,2方向誘導情報を抽出し,第2段階に利益を得た。GRCFは,改良COD性能のためにピア層特徴とDFE特徴を組み合わせる目的で,自己リファイア注意ユニットと交差リファイナメントユニットから成る。提案したフレームワークは,5つの広く使用されたメトリックに関して,3つの公開データセットで13の最先端の深層学習ベースの方法より優れている。最後に,表面欠陥検出と医用画像セグメンテーションの分野で提案した方法の成功した応用の証拠を示した。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： 視覚 ,  *ネットワーク ,  特徴抽出 ,  故障検出 ,  精密化
準シソーラス用語： マルチレベル ,  *物体検出 ,  *擬装 ,  受容野 ,  特徴マップ ,  ホップ数 ,  医用画像セグメンテーション ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 信頼性  (KB04040H) ,  システム設計・解析  (IA02030D) ,  電力変換器  (NB08030B)

タイトルに関連する用語 (4件)： カムフラージュ ,  オブジェクト検出 ,  分岐 ,  誘導