文献

J-GLOBAL ID：202202276450635122   整理番号：22A1163370

実時間画像誘導深さ完成のための自己ペース知識蒸留【JST・京大機械翻訳】

Self-Paced Knowledge Distillation for Real-Time Image Guided Depth Completion

著者 (4件)： Wang Shuling (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, Zhejiang, China) ,  Hu Mu (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, Zhejiang, China) ,  Li Bin (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, Zhejiang, China) ,  Gong Xiaojin (Faculty of the College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, Zhejiang, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 29  ページ： 867-871  発行年： 2022年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 画像誘導深さ完了は,カラー画像のガイダンスでスパースなものから密な深さマップを生成することを目的とする。以前の高精度法は,しばしばサイズが大きく,計算コストが高価である複雑なネットワークに依存し,実時間プラットフォームに適用できない。本レターでは,複雑な教師ネットワークから知識を蒸留することを通して,軽量だが正確な深さ完了モデルを得る自己容量知識蒸留法を提案した。特に,深いネットワークにおける容易からハードな学習カリキュラムを利用して,著者らは最初に,教師の出力におけるハードでノイズのあるピクセルをセルトするために,グラウンドトルースフリーハードピクセルマイニングモジュールを設計した。次に,2つの自己容量蒸留損失を設計し,それは徐々にハードピクセルを導入し,教師からコンパクトな学生ネットワークへの深さと構造知識を蒸留する。KITTIベンチマークに関する実験は,提案方法がかなりのマージンによって元の学生モデルを改良できることを示した。蒸留コンパクトとリアルタイムの学生モデルは,すべての以前の軽量ネットワークを凌駕し,最先端の高精度だが複雑なモデルの性能ギャップを緩和する。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： 雑音 ,  学習 ,  ネットワーク ,  *蒸留 ,  軽量化 ,  *画像 ,  画素 ,  カリキュラム ,  カラー画像 ,  ベンチマーク
準シソーラス用語： 高精度 ,  実時間 ,  計算コスト ,  奥行きマップ ,  グランドトゥルース ,  軽量 , 【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 (4件)： 実時間 ,  誘導 ,  自己 ,  知識蒸留