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。
最初完全な形で,後にコンパクトな表現を用いて,双線形プーリングを用いた畳込みニューラルネットワーク(CNN)は,広範囲の視覚タスクの印象的な性能利得,細粒視覚分類,視覚質問応答,顔認識,テクスチャとスタイルの記載を含むをもたらした。成功の鍵は,対(二次)特徴相互作用の空間的に不変なモデリングにある。本研究では,穀粒の形で特徴の高次相互作用を把握した一般的プーリングフレームワークを提案した。Gauss RBF(動径基底関数)のようなカーネルを近似パラメータを含まない方法でコンパクトな明示的特徴マップを用いた与えられた次数までかを示した。セルラニューラルネットワークと組み合わせて,核の組成は,誤差逆伝搬によるエンド・ツー・エンド方式でデータから学ぶことができる。提案したカーネルプール方式は,カーネル近似誤差と視覚認識精度双方の見地において評価した。実験評価は,一般的に使用される細粒認識データセット上で最先端技術の性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】