文献

J-GLOBAL ID：201702288402129838   整理番号：17A1260587

文書画像分類のための畳込みニューラルネットワークモデルの比較【Powered by NICT】

Comparison of convolutional neural network models for document image classification

著者 (3件)： Yaman Doggucan (Bilgisayar Muehendisligi Boeluemue, Istanbul Teknik Ueniversitesi, Istanbul, Tuerkiye) ,  Eyiokur Fevziye Irem (Bilgisayar Muehendisligi Boeluemue, Istanbul Teknik Ueniversitesi, Istanbul, Tuerkiye) ,  Ekenel Hazim Kemal (Bilgisayar Muehendisligi Boeluemue, Istanbul Teknik Ueniversitesi, Istanbul, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  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： ディジタル化の増加にもかかわらず,文書の使用は,今日では非常に一般的である。これら文書はアクセス可能な方法で保存する必要性のための標識と正確に分類することが不可欠である。本研究では,この必要性を満たすために最先端の畳込みニューラルネットワークモデルを使用した。畳込みニューラルネットワークは分類の分野で代替法と比較して,高い性能を達成し,これらの微生物は深部アーキテクチャによる大規模データから学ぶことができる強いと豊富な特徴に起因していた。実験のために,十六の異なる文書クラスの400,000画像を含むデータセットを用いた。最新の深層学習モデルは微調整と詳細に比較した。VGG16アーキテクチャは90.93%の正しい分類率でこのデータセットに対する最良の性能を達成した。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： 微生物 ,  *画像 ,  深部 ,  *畳込み ,  計算機アーキテクチャ ,  *ニューラルネットワーク
準シソーラス用語： 微調整 ,  深層学習 ,  大規模データ ,  ディジタル化 ,  *神経回路網モデル ,  *画像分類 , 【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 (4件)： 文書 ,  画像分類 ,  畳込みニューラルネットワーク ,  モデル