文献

J-GLOBAL ID：201702291556669344   整理番号：17A1349799

効率的な顔性別分類のための深いLDA枝刈りネット【Powered by NICT】

Deep LDA-Pruned Nets for Efficient Facial Gender Classification

著者 (3件)： Tian Qing ,  Arbel Tal ,  Clark James J.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPRW  ページ： 512-521  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： 人間-コンピュータ相互作用のような,多くの実時間タスクは迅速で効率的な顔性別分類を必要とする。深いCNNネットは多数分類タスクのための非常に効果的であったが,それらの高い空間および時間要求は,強力なGPUないパーソナルコンピューターおよび携帯装置のための非実用的にしている。本論文では,高精度を維持しながら,効率を高める16層が,軽量,ニューラルネットワークを開発した。活性化ニューロンである性別与えられた高度に非相関発見するネットは最後の畳込み(conv)層から出発してVGG16モデルから刈り取られたである。Fisherの線形判別分析(LDA)により,この高い相関は,高いクラス内分散と低クラス間分散過去直接conv層ニューロンを安全にすることを示した。サポートベクトルマシン(SVM)またはBayes分類のいずれかと組み合わせて,還元されたCNNは完全に接続された層を有する元の正味よりLFWとCelebAデータセット上で同程度(あるいはより高くさえある)精度を達成することができた。LFWについて,わずか四Conv5_3ニューロンは比較的高い認識精度,11倍高速化に70xの因子による全ネットワークサイズの減少をもたらすを維持することができた。精度損失と畳込み層せん定率に関して最先端のせん定法(二より小さいネットと同様に)との比較も提供した。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： 相互作用 ,  高速化 ,  パーソナルコンピュータ ,  安全性 ,  ニューラルネットワーク ,  畳込み ,  サポートベクトルマシン ,  *ニューロン
準シソーラス用語： 認識精度 ,  線形判別分析 ,  *性別 ,  高精度 ,  携帯機器 ,  実時間 ,  *性別分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 顔 ,  性別分類 ,  LDA ,  枝刈り ,  ネット