文献

J-GLOBAL ID：201702246341008478   整理番号：17A0667749

画像検索のための深いCNNに基づくアンサンブルモデルの混合【Powered by NICT】

Mixture of deep CNN-based ensemble model for image retrieval

著者 (6件)： Huang Hsin-Kai (Department of Communication Engineering, National Central University, Zhungli, Taiwan) ,  Chiu Chien-Fang (Department of Communication Engineering, National Central University, Zhungli, Taiwan) ,  Kuo Chien-Hao (Department of Communication Engineering, National Central University, Zhungli, Taiwan) ,  Wu Yu-Chi (Department of Communication Engineering, National Central University, Zhungli, Taiwan) ,  Chu Narisa N. Y. (CWLab International, Thousand Oaks, CA, USA) ,  Chang Pao-Chi (Department of Communication Engineering, National Central University, Zhungli, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： GCCE  ページ： 1-2  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： 深い畳込みニューラルネットワーク(CNN)に基づく画像検索のためのアンサンブルモデルの骨材(または混合物)を提案した。AlexNetとネットワークではネットワーク(NIN),二種類の深い学習ネットワークを用いる画像特徴を得るために,画像検索のための重み付き平均特徴ベクトルを計算した。実験結果に基づいて,凝集体構造は画像分類における単一CNNよりも高い精度で学習を効果的に増強する。深いCNNに基づくアンサンブルモデルの提案された凝集体はCIFARとCIFAR,100データセットに適用した場合,画像検索における0.867と0.526平均精度を達成することを示した。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： 精度 ,  ニューラルネットワーク ,  *画像検索 ,  ネットワーク ,  凝集体 ,  学習 ,  畳込み ,  画像特性
準シソーラス用語： 画像分類 ,  特徴ベクトル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 画像検索 ,  CNN ,  アンサンブルモデル