文献

J-GLOBAL ID：202202276918765749   整理番号：22A0907314

多重表現ネットワークを用いたシーン認識【JST・京大機械翻訳】

Scene recognition using multiple representation network

著者 (7件)： Lin Chaowei (Shanghai Engineering Research Center of Assistive Devices, University of Shanghai for Science and Technology, Shanghai, China) ,  Lee Feifei (Shanghai Engineering Research Center of Assistive Devices, University of Shanghai for Science and Technology, Shanghai, China) ,  Xie Lin (Shanghai Engineering Research Center of Assistive Devices, University of Shanghai for Science and Technology, Shanghai, China) ,  Cai Jiawei (Shanghai Engineering Research Center of Assistive Devices, University of Shanghai for Science and Technology, Shanghai, China) ,  Chen Hanqing (Shanghai Engineering Research Center of Assistive Devices, University of Shanghai for Science and Technology, Shanghai, China) ,  Liu Li (School of Information Engineering, Nanchang University, China) ,  Chen Qiu (Major of Electrical Engineering and Electronics, Graduate School of Engineering, Kogakuin University, Japan)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 118  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,畳込みニューラルネットワーク(CNN)の急速な発展により,一連のコンピュータビジョンタスクが解決されている。しかし,シーン認識は,シーン画像の複雑性のため,まだ困難で挑戦的な問題である。大規模シーンデータセットの出現により,プレーンCNNにより生成された単一表現は,大規模シーン画像を記述するのにもはや識別できない。したがって,本論文では,大域的シーン表現,局所顕著シーン表現,および局所文脈オブジェクト表現を含むシーン認識のための包括的な表現を提案した。2つの事前訓練CNNを用いて,元の特徴マップを抽出し,多重表現を構築した。特に,クラス活性化マッピング(CAM)を採用して,顕著な領域を見出し,局所シーン特徴を抽出し,シーンに存在するオブジェクトの文脈情報を符号化するために双方向長短期モジュール(LSTM)を採用した。さらに,多重表現をエンドツーエンド訓練可能モデルによって生成して,それはMRNet(多重表現ネットワーク)と呼ぶ。3つの公的に利用可能なシーン認識データセットに関する実験結果は,提案モデルが最先端のモデルより優れていることを証明した。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： *表現 ,  情報 ,  *ネットワーク ,  分類 ,  特性 ,  画像 ,  *多重化 ,  エンドツーエンド方式 ,  コンピュータビジョン
準シソーラス用語： 文脈情報 ,  複雑性 ,  特徴マップ ,  *シーン理解 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： シーン認識 ,  エンドツーエンド訓練可能 ,  畳込みニューラルネットワーク ,  長期短期記憶 ,  クラス活性化マッピング

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

タイトルに関連する用語 (3件)： 多重 ,  表現 ,  シーン認識