抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
畳込みネットワークは,多種多様なタスクのための最も状態何かコンピュータビジョン溶液の核である。2014年以来非常に深い畳込みネットワークが主流になり始める,種々のベンチマークに実質的な利得が得られた。増加したモデルサイズと計算コストは多くのタスク(訓練を提供する十分なラベル付きデータ限り)の即時品質向上に変換する傾向があるが,計算効率と低いパラメータ数はまだモバイルビジョンとビッグデータシナリオのような種々のユースケースの要因を可能にした。ここでは,適切に因数分解コンボリューションと積極的な正則化による可能な限り効率的に添加した計算の利用を目的とする方法でネットワークをスケールアップする方法を探索している。ILSVRC2012分類課題検証セット技術の現状にかなりの利得を実証した上で提案手法をベンチマーク:ネットワークを用いた単一フレーム評価のための21:2%トップ1および5:6%トップV誤差推定による五十億多重addsの計算コストと百万二十五以下のパラメータを用いた。4モデルと多作物評価のアンサンブルを用いて,公式試験セットに対する検証セットと3:6%トップV誤差3:5%トップV誤差と17:3%トップ1誤差を報告した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】