文献

J-GLOBAL ID：201702282734348176   整理番号：17A1773183

畳込みニューラルネットワークのためのカーネルプーリング【Powered by NICT】

Kernel Pooling for Convolutional Neural Networks

著者 (6件)： Cui Yin ,  Zhou Feng ,  Wang Jiang ,  Liu Xiao ,  Lin Yuanqing ,  Belongie Serge
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 3049-3058  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： *ニューラルネットワーク ,  視認 ,  線形性 ,  相互作用 ,  視覚 ,  近似法 ,  不変性 ,  *畳込み ,  モデリング ,  利得 ,  セルラニューラルネットワーク ,  動径基底関数
準シソーラス用語： 次数 ,  特徴マップ ,  テクスチャ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 畳込みニューラルネットワーク ,  カーネル