文献

J-GLOBAL ID：201702289893344042   整理番号：17A1260284

葉の同定について:古典的ML法によるCNNの比較【Powered by NICT】

On identifying leaves: A comparison of CNN with classical ML methods

著者 (3件)： Hedjazi Mohamed Abbas (Department of Computer Engineering, Gebze Technical University, Kocaeli, Turkiye) ,  Kourbane Ikram (Department of Computer Engineering, Gebze Technical University, Kocaeli, Turkiye) ,  Genc Yakup (Department of Computer Engineering, Gebze Technical University, Kocaeli, Turkiye)
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： 畳込みニューラルネットワーク(CNN)は,伝統的な機械学習(ML)法の最も重要なかつ時間のかかる部分の一つである特徴抽出のための必要性を除去した。しかし,限られた量の訓練データの深いCNNモデルを訓練の挑戦はまだ残っている。転移学習とパラメータの微調整は,この問題の解として出現した。最近の傾向に続いて,類似の問題上で訓練されたモデルを修正することによって画像中の葉の目視同定する方法について述べた。特に,大きなデータセット(ImageNet)に対する訓練済みCNNモデルは小さな訓練セット(ImageCLEF2013植物同定)からモデルを訓練するために使用できることを示した。得られたモデルは,局所二値パターン(LBP)を用いた古典的機械学習法,現場でよく利用されてきた特徴よりも優れていた。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： 特徴抽出 ,  畳込み ,  画像 ,  ニューラルネットワーク ,  モデル ,  *機械学習
準シソーラス用語： 微調整 ,  転移学習 ,  訓練データ , 【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)： 葉 ,  同定 ,  ML ,  CNN