文献

J-GLOBAL ID：202202284698802170   整理番号：22A0202425

人間の知覚表現を用いたマシンビジョンの改善:物体分類のための平面反射対称性の場合【JST・京大機械翻訳】

Improving Machine Vision Using Human Perceptual Representations: The Case of Planar Reflection Symmetry for Object Classification

著者 (2件)： Pramod RT (Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Arun SP (Department of Electrical Communication Engineering, Center for Neuroscience, Indian Institute of Science, Bangalore, India)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 44  号： 1  ページ： 228-241  発行年： 2022年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 人間のような視覚能力の達成は,マシンビジョンのためのホイルグレールであるが,人間の視覚からの洞察が,機械をいかに改善できるかは,不明のままである。ここでは,2つの重要な概念進歩を示す:まず,ほとんどのマシンビジョンモデルが,人間の物体知覚と系統的に異なることを示した。そのため,人間における孤立物体間の知覚距離の大きなデータセットを収集し,これらの知覚データが多くの一般的マシンビジョンアルゴリズムにより予測可能であるかどうかを求めた。最良のアルゴリズムが知覚データにおける分散のΔΨ70パーセントを説明する一方で,試験した全てのアルゴリズムが,いくつかのタイプのオブジェクトに対して系統的な誤差を作ることを見出した。特に,機械アルゴリズムは,人間の知覚と比較して,対称物体間の距離を過小評価した。第2に,これらの系統的バイアスの固定は,分類性能における実質的な利得につながることを示した。特に,複数の軸に沿う平面/反射対称性スコアを持つ最先端の畳み込みニューラルネットワークの強化は,カテゴリーにわたって分類精度(1~10パーセント)の顕著な改善をもたらした。これらの結果は,マシンビジョンが人間の視覚から系統的差異の発見と固定によって改良できることを示した。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： アルゴリズム ,  *視覚 ,  対称性 ,  利得 ,  バイアス
準シソーラス用語： 分類精度 ,  過小評価 ,  *マシンビジョン ,  人体感覚 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

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 (6件)： 人間の知覚 ,  表現 ,  マシンビジョン ,  物体 ,  分類 ,  対称性