文献

J-GLOBAL ID：201702228167659240   整理番号：17A1727169

前方監視ソナー画像認識のための畳込みネットワークにおけるベストプラクティス【Powered by NICT】

Best practices in convolutional networks for forward-looking sonar image recognition

著者 (1件)： Valdenegro-Toro Matias (Ocean Systems Laboratory, School of Engineering & Physical Sciences, Heriot-Watt University, EH14 4AS, Edinburgh, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： OCEANS  ページ： 1-9  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,カラー画像のための知覚を大幅に改良し,ソナー画像への応用についても良好な結果を得ている。しかし一般的にCNNは,大データセット,かなりの数のハイパーパラメータのマニュアルチューニングを必要としない訓練と,設計者が多くの注意深い決定を必要とすることは困難である。本研究では,CNN設計者,すなわち転移学習の性能,オブジェクト/画像サイズの影響とトレーニングセットサイズの間の関係である必要があることを三種の一般的な意思決定を評価した。三CNNモデル,すなわちLeNetに基づいた関数及びSqueezeNetから火災モジュールに基づく二を評価した。著者らの発見は,SVMを用いた転移学習は非常によく機能して,列車と移動セットは一般にクラスを持たない場合でも,高い分類性能は,ターゲットデータセットが小さくても得ることができた。バッチ正規化と組み合わせたADAMオプティマイザは高精度CNN分類器を,小さな画像サイズ(16画素)でもできる。クラス当たり少なくとも50試料は90%試験精度を得るために必要であり,小さなデータセットを用いたドロップアウトを用いて性能を改善するが,大規模データセットが利用可能であるときにバッチ正規化は良好であった。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 ,  火災 ,  意思決定 ,  正規化 ,  *画像認識 ,  画素 ,  ロット ,  ニューラルネットワーク ,  *ソナー ,  *画像 ,  カラー画像 ,  *畳込み
準シソーラス用語： 大規模データセット ,  転移学習 ,  ハイパーパラメータ , 【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 (4件)： ソナー ,  画像認識 ,  畳込み ,  ベストプラクティス