文献

J-GLOBAL ID：201702216792822295   整理番号：17A0755948

水生大型無脊椎動物の細粒度分類におけるデータ濃縮【Powered by NICT】

Data Enrichment in Fine-Grained Classification of Aquatic Macroinvertebrates

著者 (7件)： Raitoharju Jenni ,  Riabchenko Ekaterina ,  Meissner Kristian ,  Ahmad Iftikhar ,  Iosifidis Alexandros ,  Gabbouj Moncef ,  Kiranyaz Serkan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CVAUI  ページ： 43-48  発行年： 2016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： 水域で見出された底生大型無脊椎動物の種類と数は,水質を反映している。,大型無脊椎動物が日常的に淡水生態学的品質評価の一部としてモニターした。収集した大型無脊椎動物試料は人間の専門家,これはコストと時間がかかるにより同定した。このように,人間の努力を部分的に置換できることを自動同定法の開発が重要である。著者らのグループでは,この目標に向けて取り組んできた,本論文では,深い畳込みニューラルネットワーク(CNN)を用いて得られた自動化大型無脊椎動物分類に関する著者らの以前の結果を改善した。CNN訓練前に簡単なデータ濃縮を適用した。回転とミラーリングにより,画像データベース6倍の全サイズを増加させるために,新しい画像を生成する。CaffeとMatConvNet CNN実装に関するデータ富化の影響を評価した。ネットワークが大型無脊椎動物データに完全にまたはImageNet画像を用いた最初のpretrainedいずれか訓練し,大型無脊椎動物データを用いて微調整した。結果は3 6%向上,濃縮データを使用した場合を示した。これは有望な結果であり,自動化された技術と人間の専門家の間のギャップが有意に狭くなるため,も,六万の画像について,濃縮データのサイズは深いCNNの効率的な訓練に典型的に必要なデータサイズに比べて小さいので,将来の改善の余地を残す。Copyright 2017 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 ,  *画像 ,  生態学 ,  自動化 ,  水質 ,  ネットワーク ,  畳込み ,  水域 ,  画像データベース ,  淡水
準シソーラス用語： 品質評価 ,  *大型無脊椎動物 ,  底生大型無脊椎動物 ,  細粒度 ,  *水生大型無脊椎動物 , 【Automatic Indexing@JST】

分類 (3件)： 河川汚濁  (SB02020F) ,  水質汚濁一般  (SB02010U) ,  動物生態学一般  (EE03010W)

タイトルに関連する用語 (4件)： 水生大型無脊椎動物 ,  細粒度 ,  分類 ,  濃縮