文献

J-GLOBAL ID：201702242254521288   整理番号：17A0966861

散乱変換の多重ウェーブレット融合を通じたテクスチャ分類のための深層学習【Powered by NICT】

Deep learning for texture classification via multi-wavelet fusion of scattering transforms

著者 (3件)： Dadashnialehi Amir (School of Engineering, RMIT University, Melbourne 3000, Victoria, Australia) ,  Bab-Hadiashar Alireza (School of Engineering, RMIT University, Melbourne 3000, Victoria, Australia) ,  Hoseinnezhad Reza (School of Engineering, RMIT University, Melbourne 3000, Victoria, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICM  ページ： 324-329  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： 深学習法は最近多くの分類問題における重要な進展を見せた。深い畳込みネットワークは多重処理層を有する建築物大規模データ表現の可能性を実現した。散乱変換は多重層におけるカスケード線形および非線形演算子による大規模情報表現を構築する効果的で比較的最近の深い畳込みネットワークである。しかし,実験結果は,散乱係数は,より高い層で有意に低いエネルギーを持ち,その後分類結果にはほとんど影響しないことを示した。本論文では,散乱変換を利用することにより,分類の誤差を改善するためのマルチウェーブレット融合アーキテクチャを提案した。法は線形演算子とそれに続く非線形演算子を適用することの更なる段階を介して高レベルでの散乱係数のエネルギーを増加させた。著者らの実験結果は,提案した方法が元の散乱変換と比較して優れた分類結果を達成し,テクスチャ分類問題のための効果的な方法として使用できることを示した。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： 計算機アーキテクチャ ,  ネットワーク ,  線形性 ,  多重処理 ,  *散乱 ,  *学習 ,  畳込み ,  多層
準シソーラス用語： 散乱係数 ,  大規模データ ,  *深層学習 ,  *テクスチャー分類 , 【Automatic Indexing@JST】

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)： 散乱 ,  多重ウェーブレット ,  融合 ,  テクスチャ分類 ,  深層学習