文献

J-GLOBAL ID：201802266626297077   整理番号：18A0537603

LinkNet:効率的な意味論的セグメンテーションのためのエンコーダ表現の利用【Powered by NICT】

LinkNet: Exploiting encoder representations for efficient semantic segmentation

著者 (2件)： Chaurasia Abhishek (School of Electrical and Computer Engineering, Purdue University, West Lafayette, USA) ,  Culurciello Eugenio (Weldon School of Biomedical Engineering, Purdue University, West Lafayette, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VCIP  ページ： 1-4  発行年： 2017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： 視覚シーン理解のためのピクセルごとの意味的セグメンテーションは実時間応用における使用を見出すために正確さが,また効率的である必要がある。既存アルゴリズムはが正確であるが,ニューラルネットワークのパラメータを用いて効率的に注力している。結果それらは操作のパラメータと数は巨大である,遅くすぎる。本論文では,パラメータの数の顕著な増加なしに学ぶことができる新しい深層ニューラルネットワークアーキテクチャを提案した。筆者らのネットワークは,分解能3×640×360の画像を処理するためのわずか一千百五十万パラメータと21.2GFLOPsを使用している。CamVid上で最先端技術レベルの性能と都市景観データセットに同等の結果を与えた。も異なる画像分割のための既存の最新アーキテクチャを用いたNVIDIA GPUと組込みシステムデバイスに対する時間を処理する著者らのネットワークを比較した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  *符号器 ,  画素 ,  分解能 ,  計算機アーキテクチャ ,  組込みシステム ,  ネットワーク ,  アルゴリズム ,  *意味論 ,  視覚 ,  *セグメンテーション ,  都市景観 ,  画像セグメンテーション ,  ニューラルネットワークアーキテクチャ
準シソーラス用語： シーン理解 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 意味論 ,  セグメンテーション ,  エンコーダ ,  表現