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。
ConvNets(畳み込みニューラルネットワーク)は,単一タスク分類問題として自然画像から物体認識を定式化し,オブジェクトカテゴリーに有用であるが,姿勢と照明のような変動の他の要因に不変特徴を学習するために試みた。これらの他の因子を学習明示していない,その代わりに,それらは通常プーリングと正規化によりそれらを廃棄する。は逆のアプローチ:我々は他の因子(著者らの場合にもたらす)を保持し,オブジェクトカテゴリーと共同でそれらを学習による物体認識のためのConvNets(畳み込みニューラルネットワーク)の訓練を行った。新しいマルチタスク学習(MTL)ConvNet,解きほぐすCNN(disCNN)と命名した物体同定と姿勢の絡み合いを解かれた表現を明示的に,オブジェクトカテゴリーを予測し,変換をもたらすように訓練を設計した。disCNNはiLab20Mデータセット,詳細な姿勢と照明情報を用いた大規模ターンテーブルデータセット上のオブジェクトカテゴリーを予測するためにのみ訓練されたベースラインCNNよりも有意に良好な物体認識精度を達成した。iLab20Mにpretrained特徴はワシントンRGB-DとImageNetデータセットの両方に一般化ことを示し,pretrained非CNN特徴であるImageNetの微調整のためのpretrainedベースラインCNN特徴よりも有意に良好であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】