文献

J-GLOBAL ID：201702231458336220   整理番号：17A0102084

トップダウン注意グラフ分割の細粒度画像分類【JST・京大機械翻訳】

Fine-grained image categorization with segmentation based on top-down attention map

著者 (2件)： Feng Yushan (Department of Automation, University of Science and Technology of China) ,  Wang Zilei (Department of Automation, University of Science and Technology of China)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 21  号： 9  ページ： 1147-1154  発行年： 2016年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:細粒度画像分類における背景干渉問題に対して、トップダウン注意グラフ分割を利用した分類モデルを提案する。方法:まず第一に,畳込み神経回路網を使用して,基本的ネットワークモデルを得た。次に,ネットワークモデルを可視化することによって,いくつかの画像領域がターゲット分類に寄与するだけではなく,学習した基本的ネットワークを用いて,関連ピクセルの空間サポートを計算し,トップダウンの注意図を生成し,画像の重要領域を検出した。次に,注視アルゴリズムを用いて,キーポイントをセグメント化して,画像の判別を改良した。最終的に,区分的画像を抽出して,CNNの特徴を抽出して,細かい粒度分類を実現した。結果:このモデルは画像のクラスラベル情報のみを使用し,公開された細粒度画像ライブラリライブラリ196とAIRCRAFE100上で実験検証を行い,最終的に得られた平均分類正解率はそれぞれ86.74%と84.70%であった.この結果は,GOOGLENETモデルに基づく注意情報を導入することによって,細粒度画像分類の正確さをさらに改善することができることを示した。結論:トップダウン注意グラフに基づく意味分割戦略は,細粒度画像の分類性能を向上させる。ターゲットウィンドウと部位のアノテーション情報を必要としないため,このモデルは汎用性とロバスト性を持ち,顕著な目標検出,前景分割と細粒度画像分類応用に適用できる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  アノテーション ,  画素 ,  *粒度 ,  汎用性 ,  畳込み ,  *画像 ,  ロバスト性 ,  神経回路網
準シソーラス用語： 正解率 ,  *トップダウン ,  ネットワークモデル ,  *画像分類 ,  *細粒度 ,  *グラフ分割 , 【Automatic Indexing@JST】

著者キーワード (5件)： fine-grained visual categorization ,  convolutional neural network (CNN) ,  top-down attention map ,  GraphCut ,  GoogLeNet

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)： トップダウン注意 ,  グラフ分割 ,  細粒度 ,  画像分類