文献

J-GLOBAL ID：202202291412274773   整理番号：22A0067080

教師なしピクセルワイズ重み付き敵対領域適応【JST・京大機械翻訳】

Unsupervised Pixel-Wise Weighted Adversarial Domain Adaptation

著者 (4件)： Tian Haitao (Northwestern Polytechnical University, Xi’an, China) ,  Tian Haitao (University of Ottawa, Ottawa, Canada) ,  Qu Shiru (Northwestern Polytechnical University, Xi’an, China) ,  Payeur Pierre (University of Ottawa, Ottawa, Canada)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13017  ページ： 586-600  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： 完全畳み込みネットワークは,意味的セグメンテーションタスクにおいて広く利用されてきた。高密度予測に対する能力を実証したが,そのような教師つき学習ネットワークは訓練中のラベル付きデータに制限され,従って,非意味領域に直面しながら貧弱な一般化を示す。重要な転送学習技術として,ドメイン適応は,教師なし方法で一般化の性能を改善するために,異なるドメイン分布間の不一致を軽減することを目的とする。ドメイン適応方法のファミリーは,交差ドメイン意味セグメンテーションタスクに対して有意な有効性を示したが,ピクセルワイズドメイン発散のオーバールックは,過剰適応をもたらした。この問題に対処するために,画素毎のレベルで適応ネットワークの訓練を正則化するために,効果的なピクセルワイズドメイン間不一致計量を研究した。最初に,出力空間から符号化された生成信頼度を,深くシフトした領域に関するより多くの適応強調を課すための重み付けマップとして,利用した。さらに,より信頼できる重みマップに生成信頼度を精密化するために,特徴空間に対する識別信頼度を採用した。生成と識別信頼度の定式化は,基本的DAフレームワークに関する付加的計算を導入しなかった。著者らの実験では,提案したピクセルワイズ加重適応アプローチは,2つの交差ドメインセグメンテーションタスクに関する最先端の方法よりも優れており,過剰適応の効果的な緩和を実証する。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： 学習 ,  信頼度 ,  *セグメンテーション ,  ネットワーク ,  発電 ,  画素 ,  教師つき学習 ,  精密化 ,  正則化 ,  重みづけ ,  有効性 ,  定式化
準シソーラス用語： 高密度 ,  特徴空間 ,  適応ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ドメイン適応 ,  セマンティックセグメンテーション ,  ピクセルごとの適応 ,  発電の信頼性 ,  識別信頼

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 教師 ,  敵対 ,  適応