文献

J-GLOBAL ID：202202286988733195   整理番号：22A0789176

Meta-UDA:Meta学習を用いた教師なし領域適応熱オブジェクト検出【JST・京大機械翻訳】

Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning

著者 (5件)： Vs Vibashan (Johns Hopkins University,MD,USA) ,  Poster Domenick (West Virginia University,WV,USA) ,  You Suya (U.S. Army CCDC Army Research Laboratory,USA) ,  Hu Shuowen (U.S. Army CCDC Army Research Laboratory,USA) ,  Patel Vishal M. (Johns Hopkins University,MD,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 3697-3706  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 大規模RGBデータセット上で訓練されたオブジェクト検出器は,実世界アプリケーションで広く採用されている。しかし,これらのRGB訓練モデルは,有害な照明と照明条件の下で性能低下を受ける。赤外(IR)カメラはそのような条件下でロバストであり,実世界応用に役立つ。熱カメラは軍事用途に広く使用されており,商業用途のためにますます使用されているが,ラベル付き熱データの限られたアベイラビリティのために熱画像をロバストに利用するためのロバストなアルゴリズムの欠如がある。本研究では,非監督領域適応(UDA)設定におけるラベル付き可視領域データを活用することにより,熱領域における物体検出性能を強化することを目的とした。新しいUDA戦略を提案する代わりに既存のUDA法を改善するために,アルゴリズム診断メタ学習フレームワークを提案した。著者らは,検出器の初期条件をメタ学習することにより達成し,それは,局所最適で過剰適合または獲得なしで,微細更新による適応プロセスを容易にした。しかし,検出シナリオのための初期条件のメタ学習は,長くて扱いにくい計算グラフのために計算上重い。したがって,オンライン更新を行うオンラインメタ学習パラダイムを提案し,短期で扱いやすい計算グラフを得た。この目的のために,UDA設定における多くの基準線に対する著者らの方法の優位性を示し,KAISTとDSIACデータセットのための最先端の熱検出器を生成した。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 ,  カメラ ,  赤外線 ,  *学習 ,  照明条件 ,  アベイラビリティ ,  応用プログラム ,  検出器 ,  初期条件 ,  熱画像 ,  基準線 ,  ロバスト性
準シソーラス用語： 性能劣化 ,  *物体検出 ,  オンライン , 【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)： 学習 ,  教師 ,  適応 ,  オブジェクト検出