文献

J-GLOBAL ID：202202289002254001   整理番号：22A0446413

リカレントニューラルネットワークのための仮想時間サンプル:農業における意味論的セグメンテーションへの応用【JST・京大機械翻訳】

Virtual Temporal Samples for Recurrent Neural Networks: Applied to Semantic Segmentation in Agriculture

著者 (3件)： Ahmadi Alireza (University of Bonn, Bonn, Germany) ,  Halstead Michael (University of Bonn, Bonn, Germany) ,  McCool Chris (University of Bonn, Bonn, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13024  ページ： 574-588  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,時間的にラベル付けされたデータなしで,農業ロボット工学の文脈において,時間的意味セグメンテーションを行う可能性を探求した。ラベル付き静止画像から仮想時間サンプルを生成することによりこれを達成した。比較的静的情景を利用して,ロボット(カメラ)が移動していると仮定することにより,余分なアノテーション努力なしに仮想的にラベルされた時系列を生成することができる。通常,リカレントニューラルネットワーク(RNN)を訓練するために,ビデオ(時間)シーケンスからのラベル付きサンプルが要求され,この方向に s雑な仕事がある。仮想時間サンプルを生成することにより,2つの挑戦的な農業データセット上でセマンティックセグメンテーションを行うために軽量RNNを訓練できることを示した。著者らの結果は,仮想サンプルを用いた時間的意味的分割器を訓練することにより,スイートピーマンとサトウダイコンデータセットで,それぞれ4.6と4.9の絶対量で性能を増加できることを示した。これは,著者らの仮想データ増強技術が,複雑な合成データ生成技術の使用なしで,また,大量の時間シーケンスをラベリングするオーバヘッドなしで,時間的に農業画像を正確に分類できることを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  *意味論 ,  *セグメンテーション ,  農業 ,  ロボット ,  録画装置 ,  静止画像 ,  スプリッタ ,  アノテーション
準シソーラス用語： スイートピー ,  *リカレントニューラルネットワーク ,  農業用ロボット ,  オーバヘッド ,  軽量 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時間的データ増強 ,  時空間セグメンテーション ,  農業ロボット

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 (7件)： リカレントニューラルネットワーク ,  仮想 ,  サンプル ,  農業 ,  意味論 ,  セグメンテーション ,  応用