文献

J-GLOBAL ID：201702240293573606   整理番号：17A1260199

海上同定のための深い距離計量学習【Powered by NICT】

Deep distance metric learning for maritime vessel identification

著者 (5件)： Gundogdu Erhan (Akilli Veri Analitigi Aras,tirma Program Mueduerluegue, Aselsan Aras,tirma Merkezi, Ankara, Tuerkiye) ,  Solmaz Berkan (Akilli Veri Analitigi Aras,tirma Program Mueduerluegue, Aselsan Aras,tirma Merkezi, Ankara, Tuerkiye) ,  Koc Aykut (Akilli Veri Analitigi Aras,tirma Program Mueduerluegue, Aselsan Aras,tirma Merkezi, Ankara, Tuerkiye) ,  Yucesoy Veysel (Akilli Veri Analitigi Aras,tirma Program Mueduerluegue, Aselsan Aras,tirma Merkezi, Ankara, Tuerkiye) ,  Alatan A. Aydin (ODTUe Goeruentue Analizi Uygulama ve Aras,tirma Merkezi (OGAM), Ankara, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  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： 容器は,海洋監視の重要な成分であるので,この論文では,距離メトリック学習と深い畳込みニューラルネットワークの最新技術を利用して海上同定の問題を検討した。視覚容器同定の性能を増加させるために,分類と距離メトリック学習コスト関数を考慮した共同学習フレームワークを提案した。提案した方法は,階層レベル標識の距離のランキングを学習するために多様な画像データセットから四重項試料を利用している。提案した方法は,分類ネットワークの最終層に向かって活性化ニューロンの従来の使用に対する容器同定タスクに対してどれだけうまく優位な特性を示した。提案した方法は,容器型分類精度を犠牲にすることなく3965種類の容器の60%容器同定精度を達成した。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： 費用関数 ,  *距離計 ,  畳込み ,  *学習 ,  ネットワーク ,  ニューラルネットワーク ,  等級づけ ,  海洋 ,  ニューロン ,  視覚
準シソーラス用語： 分類精度 ,  画像データ ,  協調学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 海上 ,  同定 ,  距離計量学習