文献

J-GLOBAL ID：201802233642853541   整理番号：18A0518822

局所受容野に基づく深極限学習機械(extreme learning machineによる送電塔の劣化度の自動推定【Powered by NICT】

Automatic estimation of deterioration level on transmission towers via deep extreme learning machine based on local receptive field

著者 (4件)： Maeda Keisuke (Graduate School of Information Science and Technology, Hokkaido University, N-14, W-9, Kita-ku, Sapporo, Hokkaido, 060-0814, Japan) ,  Takahashi Sho (Graduate School of Information Science and Technology, Hokkaido University, N-14, W-9, Kita-ku, Sapporo, Hokkaido, 060-0814, Japan) ,  Ogawa Takahiro (Graduate School of Information Science and Technology, Hokkaido University, N-14, W-9, Kita-ku, Sapporo, Hokkaido, 060-0814, Japan) ,  Haseyama Miki (Graduate School of Information Science and Technology, Hokkaido University, N-14, W-9, Kita-ku, Sapporo, Hokkaido, 060-0814, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 2379-2383  発行年： 2017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： 局所受容野(DELM LRF)に基づく深極端学習機械による送電塔の劣化レベルの自動推定法を提案した。畳込みニューラルネットワーク(CNN)は多数の訓練画像を必要とするが,送電塔の訓練画像の十分な数を調製することは困難である。は,少数の訓練画像からの訓練を可能にする新しい推定法を生成した。特に,自動的にものづくり特徴を用いずにコンボリューションとプーリングを組み合わせた局所受容野(LRF)に基づく画像特徴を抽出し,深い極端学習機械(DELM),効率的な深層学習手法の一部を介して劣化レベルを推定した。DELM LRFの導出は,この論文の最大の寄与であり,CNNに比べて訓練画像から訓練が可能である。実験結果は,送電塔の劣化レベルの推定のためのDELM LRFの有効性を示した。結果として,提案した方法は,十分な画像を調製に難渋した高い専門知識と挑戦的な課題に近づくことを可能にする。Copyright 2018 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： 画像特性 ,  畳込み ,  *学習機械 ,  画像
準シソーラス用語： 専門知識 ,  深層学習 ,  畳込みニューラルネットワーク ,  推定法 ,  極度学習機械 ,  *受容野 , 【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 (6件)： 受容野 ,  極限 ,  学習機械 ,  送電塔 ,  劣化度 ,  推定