文献

J-GLOBAL ID：201702232782847359   整理番号：17A0448284

マルチラベル画像分類のための深い神経回路網における局所的および大域的仮説の結合【Powered by NICT】

Combining local and global hypotheses in deep neural network for multi-label image classification

著者 (5件)： Yu Qinghua (Institute of Artificial Intelligence and Robotic, Xi’an Jiaotong University, Xian Ning West Road No. 28, Shaanxi 710049, PR China) ,  Wang Jinjun (Institute of Artificial Intelligence and Robotic, Xi’an Jiaotong University, Xian Ning West Road No. 28, Shaanxi 710049, PR China) ,  Zhang Shizhou (Institute of Artificial Intelligence and Robotic, Xi’an Jiaotong University, Xian Ning West Road No. 28, Shaanxi 710049, PR China) ,  Gong Yihong (Institute of Artificial Intelligence and Robotic, Xi’an Jiaotong University, Xian Ning West Road No. 28, Shaanxi 710049, PR China) ,  Zhao Jizhong (School of Electronic & Information Engineering, Xi’an Jiaotong University, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 235  ページ： 38-45  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチラベル画像分類はコンピュータビジョンにおいて挑戦的な問題である。ディープニューラルネットワークを用いた画像分類性能における最近の進歩に触発されて,本研究では,マルチラベル画像分類性能を改善するために,局所大域的CNN(LGC)と呼ぶ柔軟な深い畳込みニューラルネットワーク(CNN)フレームワークを提案した。LGCは,最初に局所CNNへの入力として物体セグメント仮説を入れた地方レベルマルチラベル分類器から構成されている。これらの局所仮説の出力結果は,最大プーリングと一緒に凝集し,次にラベル空間におけるグラフィカルモデルを用いてラベル共起または相互依存情報を考慮する再重みづけ。LGCも入力から複数ラベルを直接予測するためにマルチラベル画像により訓練される全体的なCNNを利用している。局所及び全体的レベル分類器の予測は最終的に一緒に融合した最終マルチラベル予測のMAP推定を得ることである。以上LGCフレームワークは,大規模単一ラベル画像データセット,例えばImageNet前列車プロセスから利益を得ることができた。実験結果は,提案したフレームワークは,Pascal VOC2007とVOC2012マルチラベル画像データセット上で有望な性能を達成できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 畳込み ,  重みづけ ,  ニューラルネットワーク ,  *画像 ,  *神経回路網 ,  コンピュータビジョン
準シソーラス用語： MAP推定 ,  信念ネットワーク ,  マルチラベル分類 ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深い学習 ,  畳込みニューラルネットワーク ,  マルチラベル分類

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： マルチ ,  ラベル ,  画像分類 ,  神経回路網 ,  仮説