文献

J-GLOBAL ID：201602218224098360   整理番号：16A0034631

画像カテゴリー化のための深層ネットワークにおける学習可能な受容野方式【Powered by NICT】

Learnable receptive fields scheme in deep networks for image categorization

著者 (3件)： Wang Bo (School of Electronic Information Engineering, Tianjin Univ., Tianjin) ,  Guo Jichang (School of Electronic Information Engineering, Tianjin Univ., Tianjin) ,  Zhang Yan (School of Electronic Information Engineering, Tianjin Univ., Tianjin)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 32  号： 8  ページ： 1114-1119  発行年： 2015年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  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： ,画像検索,組織とロボットビジョンのための基本的作業であるとしてコンピュータビジョンと機械学習における増大する関心は視覚分類に焦点を当てた。過去10年にわたり,さまざまな深い学習に基づくモデルを提案し,視覚認識と分類に広く応用されている。本論文では,提案した方法は,スクラッチからの特徴学習よりもむしろ手作り(SIFT)と(H OG)ディスクリプタを採用した。学習効果的な画像表現のための深い階層構造は層毎に構築することができた。具体的には,K-SVDとOMPは訓練と符号化相それぞれその単純さと効率のために使用されている。添加においては,その合計,平均及び最大演算子は,現代の分類モデルにおけるプールの三種の一般的戦略である。従来のプーリングパターンの代わりに分類器と共にプールの受容野を学習する改良方式を適用することを目的とした。それぞれ事象と対象タスクのための深層ネットワークの詳細な解析を提供し,カーネルベース特徴学習と顕著性重み付き階層的スパース符号化を含むいくつかのstateof-最新演算アルゴリズムを使用した新しい方法を比較した。最後に,実験結果により,このアルゴリズムが,UIUCスポーツとオックスフォード花データセット上で優れていることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 画像検索 ,  階層構造 ,  統制索引語 ,  演算 ,  *学習 ,  コンピュータビジョン ,  *画像 ,  符号化 ,  機械学習 ,  スポーツ
準シソーラス用語： データセット ,  スパースコーディング ,  画像表現 ,  ロボットビジョン ,  *受容野 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： カテゴリー化 ,  深層 ,  学習 ,  受容野