文献

J-GLOBAL ID：201702220126526548   整理番号：17A1772943

CNNへの構成性教育【Powered by NICT】

Teaching Compositionality to CNNs

著者 (6件)： Stone Austin ,  Wang Huayan ,  Stark Michael ,  Liu Yi ,  Phoenix D. Scott ,  George Dileep
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 732-741  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： 畳込みニューラルネットワーク(CNN)はコンピュータビジョンにおいて大きな成功を示し,アプリケーション固有損失関数を介して特異的タスクのための訓練した場合人間レベル性能に近づいた。本論文では,学習された特徴である組成になるように,CNNを増大させると訓練方法を提案した。は環境からの,互いにから物体を解きほぐすことを表現を形成するネットワーク促進,より優れた汎化を促進した。著者らの方法は,それを適用した基礎となるCNNの特異的詳細に不可知論的で,原理的には任意のCNNに用いることができる。実験で示すように,学習された表現はより局在していることを活性化を特徴とし,物体認識タスクにおける非構成的ベースライン上での性能を改善するために導いた。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： ネットワーク ,  畳込み ,  損失関数 ,  ニューラルネットワーク ,  物体認識 ,  コンピュータビジョン ,  汎化 ,  基準線 ,  *性教育 ,  応用プログラム

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： CNN ,  教育