R-CNN | Abstract 第4文
Our approach combines two key insights: (1) one can apply high-capacity convolutional neural networks (CNNs) to bottom-up region proposals in order to localize and segment objects and (2) when labeled training data is scarce, supervised pre-training for an auxiliary task, followed by domain-specific fine-tuning, yields a significant performance boost.
Ross Girshick, et al., "Rich feature hierarchies for accurate object detection and semantic segmentation"
物体検出におけるCNNの応用の先駆けとなったモデルであるR-CNNの論文の"Rich feature hierarchies for accurate object detection and semantic segmentation"のAbstractの第4文について、英語リーディング教本
「我々の手法は二つの重要な洞察を組み合わせる。(1) 一つは、物体を位置特定と分割するために、大容量の畳み込みニューラルネットワーク(CNN)をボトムアップ型の領域提案に適用できる。(2) ラベル付けされた訓練データが不足しているとき、補助のタスクに教師あり事前訓練は、それに続くドメイン固有の微調整により、著しい性能向上をもたらす。」
コロンまでが主節で、そのあとの(1)と(2)は補足内容です。(1)と(2)の項目は主語と述語がありますので、それぞれ独立した文として成立しています。
high-capacityは形容詞で「大容量の」という意味です。
high-capacityの意味・使い方｜英辞郎 on the WEB：アルク
"in order to"は熟語として一つの不定詞として図示しました。localizeとsegmentはto不定詞の後ろなので原形動詞です。
R-CNNの技術の概要については、画像認識 (機械学習プロフェッショナルシリーズ)
薬袋善郎先生の公式ウェブサイト
