抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
畳込みニューラルネットワーク(CNN)の多重格子拡張を提案した。単一空間グリッドに生息する表現を操作することよりもむしろ,著者らのネットワーク層はスケール空間を越えて作動する,グリッドのピラミッド。多重格子入力を消費し,多重格子出力を生成し,畳込みフィルタ自身が両方のスケールとスケール程度を有していた。アスペクトは,単純なマルチスケール設計,異なるスケールでの入力を処理のみとは異なる。情報フローの観点から見ると,マルチグリッドネットワークは空間ピラミッドを横切るメッセージを通過した。結果として,受容野の大きさは深さとともに指数関数的に増大する,文脈の迅速な統合を容易にした。最も重要なことは,多重格子構造は,ネットワークが内部注意と動的経路選定機構を学習し,現代のCNNが失敗するタスクを達成するためにそれらを使用することを可能にする。実験は多重格子の広範囲な性能利点を実証した。CIFARとImageNet分類タスクについて,標準CNNパラダイム内の単一グリッドからフリッピング多重格子に精度を改善し,計算とパラメータ効率的であった。多重格子は他の建築の選択に依存しない,残留結合と組み合わせて相乗作用を示した。多重格子は合成意味的セグメンテーションデータセットに劇的な改善をもたらす。最も驚くべきことに,比較的浅い多重格子ネットワークは空間変換タスクを直接行うことを学ぶことができる,どこで,対照的に,電流CNNはできない。まとめると,著者らの結果は,多重格子ピラミッド上の特徴の連続的な進展は平面格子上の既存CNN設計へのより強力な代替法であることを示唆した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】