权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

特徴チャネルに対する不変性を持つ空間基底に基づく畳み込みネットの注意機構

基于空间基础且特征通道不变的卷积网络注意力机制

基本信息

批准号：
20K11890
负责人：
松川徹
金额：
$ 2.75万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

令和3年度に行った実験の精度向上と基本モデルの高度化を行った. 前年度までに用いたPersonX, TUDデータベースに加え，最大規模の人物姿勢推定データベースであるMEBOWや車両の方向推定データベースであるEPFLも用いた. 実験を各条件に対して3回実行し，評価精度を向上させた. 学習データ数の変化とテスト画像のドメイン変化へのロバスト性も評価した. ドメイン変化に関しては, 学習と評価に用いるカメラと画風を変化させることで行った.方向推定部位を線形層から，3層多層パーセプトロンへ変更し, ベースライン性能を向上させた. 空間基底の構築方法として用いている特異値分解(SVD)の計算量が高いという問題があった. 計算量削減のため, 提案法を提案する前に1x1畳込層で特徴チャネル次元を圧縮することも検討した. 提案手法と同様のチャネル不変性を持つベースラインとして, チャネルの平均，最大値，標準偏差とそれらの連結を評価した.提案手法は, これらの実験において，同様のチャネル不変性を持つベースラインよりも高い性能が得られることを確認した.また, 提案層を適用する前に1x1畳込層を入力特徴マップへ適用し，特徴チャネル次元を削減することで，学習速度と推定性能が向上することを明らかとした. また，この1x1畳込層と提案層を複数並列で用いることで, 性能が向上することを確認した.

In the third year of Reiwa, the accuracy of the basic code has been improved and the basic code has been improved. The previous year's code was based on PersonX, TUD データベースに加え, the largest character pose estimation toolるMEBOWや车両の Direction Estimation データベースであるEPFLも用いた.実験をEach condition is に対して 3 times 実行し, and the evaluation accuracy is させた. Learn データnumの変化とテスト图　　　　　　　　　　　　　　　　　価した. ドメイン変化に关しては, Study and comment on the use of the painting style and the style of painting. The direction estimation part is a linear layer, and the 3-layer multi-layer パーセプトロンへ変し, The performance of ベースライン is high. The construction method of space base is using special value decomposition (SVD) and the computational complexity is high. The problem is があった. The amount of calculation is reduced, and the method of proposal is to reduce the amount of calculation. The proposal technique is the same as the one that does not change the nature of the proposal,チャネルのaverage, maximum value, standard deviation とそれらのconnection をrating価した.Proposal technique は,これらの実験において，同様のチャネル不変性をholdつベースラインよりもHigh performanceがgetられることをconfirmationした.また, Proposal layer を applicable する former に 1x1 畳込 layer を enter force special 徴マップへ applicable し, special 徴チャネルThe dimension is reduced, the learning speed and the estimated performance are improved, and the learning speed is improved. また，この1x1畳込layerとProposal layerをplural parallelismで Useいることで, performanceがUpすることをConfirmationした.