文献

J-GLOBAL ID：201702262416749740   整理番号：17A1247199

深学習は植物分類のための葉の特徴抽出と学習方法【Powered by NICT】

How deep learning extracts and learns leaf features for plant classification

著者 (4件)： Lee Sue Han (Centre of Image & Signal Processing, Faculty of Computer Science and Information Technology, University of Malaya, Malaysia) ,  Chan Chee Seng (Centre of Image & Signal Processing, Faculty of Computer Science and Information Technology, University of Malaya, Malaysia) ,  Mayo Simon Joseph (Herbarium, Royal Botanic Gardens, TW9 3AE, United Kingdom) ,  Remagnino Paolo (Faculty of Science, Engineering and Computing, Kingston University, KT1 2EE, United Kingdom)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 71  ページ： 1-13  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コンピュータビジョン研究者によって開発された植物同定システムは植物学者はより急速に未知の植物種を認識し,同定するのに役立った。これまで,多くの研究は植物予測モデリングのための葉データベースの利用を最大化する手順またはアルゴリズムに焦点を当てたが,これは異なる葉データと特徴抽出法と変化しやすい葉特徴をもたらした。本論文では,畳込みニューラルネットワーク(CNN)を用いた入力データの表現から直接有用な葉特徴を学習し,Deconvolutionalネットワーク(DN)アプローチに基づいて選択特徴の直感を得る。はやや予想外の結果を報告した(1)葉脈の異なる次数概要形状のものと比較して最も代表的な特徴であり,(2)葉データにおけるマルチレベル表現を観測し,高レベル抽象化への低レベルからの特徴の階層的変換を実証し,種クラスに相当した。著者らは,これらの知見は,葉特性の階層的植物定義と適合することを示した。これらの知見により,著者らは植物分類システムの識別能力をさらに改善することができる新しいハイブリッド特徴抽出モデルの設計への洞察を得た。ソースコードとモデルで利用できるhttps://github.com/cs chan/Deepプラント。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデリング ,  ニューラルネットワーク ,  *学習 ,  データベース ,  コンピュータビジョン ,  アルゴリズム ,  IDシステム ,  ネットワーク ,  予測 ,  *特徴抽出 ,  畳込み ,  植物学
準シソーラス用語： ソースコード ,  *学習方法 ,  *植物分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 植物認識 ,  深い学習 ,  特徴可視化

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 学習 ,  植物分類 ,  葉 ,  特徴抽出 ,  学習方法