文献

J-GLOBAL ID：201702240217167788   整理番号：17A0967339

減圧画像に基づく深い畳込みニューラルネットワークを用いたマラリア感染細胞の分類精度【Powered by NICT】

Classification accuracies of malaria infected cells using deep convolutional neural networks based on decompressed images

著者 (4件)： Dong Yuhang (Dept. of Electrical and Computer Engineering, University of Alabama in Huntsville, 35899, United States of America) ,  Jiang Zhuocheng (Dept. of Electrical and Computer Engineering, University of Alabama in Huntsville, 35899, United States of America) ,  Shen Hongda (Dept. of Electrical and Computer Engineering, University of Alabama in Huntsville, 35899, United States of America) ,  Pan W. David (Dept. of Electrical and Computer Engineering, University of Alabama in Huntsville, 35899, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SoutheastCon  ページ： 1-6  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： 多くの生物医学的応用では,画像は,圧縮画像の形で貯蔵され,伝送される。しかし,典型的なパターン分類器は元の画像を用いて訓練した。lossily減圧画像が分類性能に影響を与えるかに関する以前のほとんど研究されている。マラリア感染細胞の自動分類の事例研究では,深い畳込みニューラルネットワークへの入力として減圧細胞画像を使用した。損失性画像圧縮法と種々の圧縮比は分類精度に影響を与えるであろう種々のかを評価した。特に,四圧縮法:ビットプレーン削減,JPEGとJPEG2000,疎なオートエンコーダによる損失性圧縮を比較した。解凍された画像は,訓練と試験のためのLeNet5に供給した。シミュレーション結果は,同様の圧縮比のための,ビットプレーン還元法は最も低い分類精度を持っていたが,JPEGとJPEG二千の方法は良好な精度を維持できることを示した。特に,JPEG2000減圧画像は30~1圧縮後でも約95%の精度を達成することができた。も広く使用されているMNISTデータセットに基づく分類結果を提供し,手書き数字は,減圧された画像を用いた分類がはるかに容易であり,ただ一つの単一ビットプレーンを用いて達成可能な約90%の精度であることが分かった。ロッシー圧縮方法として,自動符号器もMNISTデータセットに適用し,他の三つの損失性画像圧縮法よりもはるかに高い圧縮比で約85%の精度を達成した。オートエンコーダは,よりスケーラブルな圧縮比を提供することが分かった,良好な分類精度を維持することができた。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： 自動分類 ,  *ニューラルネットワーク ,  符号器 ,  圧縮比 ,  *減圧 ,  事例研究 ,  *マラリア ,  *画像 ,  JPEG ,  パターン分類 ,  *畳込み ,  画像圧縮 ,  シミュレーション
準シソーラス用語： ビットプレーン ,  *分類精度 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 減圧 ,  畳込みニューラルネットワーク ,  マラリア ,  感染 ,  細胞 ,  分類精度