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。
画像分類のための畳込みネットワークは分解能を減少させる漸進的画像は,シーンの空間構造は,より長い識別できなかった小さな特徴マップにより表現される。空間視力のこのような損失は,画像分類精度を制限し,詳細なシーン理解を必要とする下流の応用に対するモデルの移動を複雑にする。これらの問題は,拡張,個々のニューロンの受容野を低下させることなく出力特徴マップの分解能を増加させることによって軽減することができる。拡張型残留ネットワーク(DRN)はモデル深さまたは複雑さ増加させることなく画像分類におけるそれらの非拡張対応物よりも優れていることを示した。拡張により導入された格子化アーチファクトを研究し,これらのアーチファクト(degridding)を除去する方法を開発し,これはDRNの性能をさらに増加させることを示した。さらに,DRNの精度利点である物体の局所化と意味的セグメンテーションのような下流の応用の更なる拡大されたことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】