文献

J-GLOBAL ID：201702282218461761   整理番号：17A0392878

1種のマルチスケール子畳込みニューラルネットワークモデル【JST・京大機械翻訳】

Multi-Scale Convolutional Neural Network Model with Multilayer Maxout Networks

著者 (4件)： Lian Zifeng (School of Information and Communication Engineering,Beijing University of Posts and Telecommunications, Key Laboratory of Trustworthy Distributed Computing and Service,Ministry of Education) ,  Jing Xiaojun (School of Information and Communication Engineering,Beijing University of Posts and Telecommunications, Key Laboratory of Trustworthy Distributed Computing and Service,Ministry of Education) ,  Sun Songlin (School of Information and Communication Engineering,Beijing University of Posts and Telecommunications, Key Laboratory of Trustworthy Distributed Computing and Service,Ministry of Education) ,  Huang Hai (Key Laboratory of Trustworthy Distributed Computing and Service,Ministry of Education,Beijing University of Posts and Telecommunications)
資料名： Beijing Youdian Daxue Xuebao  (Beijing Youdian Daxue Xuebao)
巻： 39  号： 5  ページ： 1-5,32  発行年： 2016年 
JST資料番号： C2405A  ISSN： 1007-5321  CODEN： BYXBEV  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： 畳込み神経回路網モデルは訓練画像とテスト画像の空間スケールにおける一致を要求する。この制限を低減するために,畳込み層特征のマルチスケール改良を行い,スケール不変量畳込みニューラルネットワークモデルを提案し,入力画像の平面空間におけるスケール変化を自動的に適応させた。同時に,多層MAXOUTネットワークを新しいモデルに埋め込み,特徴抽出能力を改善し,画像認識と分類の正確性を改善した。実験結果は,このモデルが従来の畳込みニューラルネットワークモデルのスケール不変性と分類精度を改善することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 画像認識 ,  多層 ,  *ネットワーク ,  スケール不変性 ,  画像 ,  特徴抽出 ,  *畳込み ,  不変量
準シソーラス用語： 分類精度 ,  正確性 ,  *神経回路網モデル ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： convolutional neural networks ,  scale-invariant ,  Maxout ,  deep learning

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： マルチスケール ,  畳込みニューラルネットワーク ,  モデル