文献

J-GLOBAL ID：201802212782218101   整理番号：18A0535760

生成敵対的ネット(GANs)のハイブリッドシステムを用いた深い生成画像モデル【Powered by NICT】

Deep generative image model using a hybrid system of generative adversarial nets (GANs)

著者 (3件)： Yousef Ahmed Mohammed (Collage of Computing and Information, Technology, Arab Academy for Science, Technology and Maritime Transport, Cairo, Egypt) ,  Omar Yasser M.K. (Collage of Computing and Information, Technology, Arab Academy for Science, Technology and Maritime Transport, Cairo, Egypt) ,  Fakharany Essam (Collage of Computing and Information, Technology, Arab Academy for Science, Technology and Maritime Transport, Cairo, Egypt)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACCS-PEIT  ページ： 278-285  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： 現実感は,機械学習における挑戦,複雑で高次元で画像に依存している,それらはよくモデル化するために困難であった。生成多敵対的ネット(GMAN)と条件付き生成敵対的ネット(CGAN)でなされた最近の進歩に基づいて,本研究は,生成敵対的ネットワーク(GAN)における画像合成を改善するための新しい方法を導入することを目的としている。研究はより高い画像品質,実画像と区別が困難なを生成するモデル(ハイブリッドGAN)を構築するために,双方の技術の最良点を組み合わせから利益を得た。さらに,このモデルは,条件付き分布の下での試験データの対数尤度を有意に増強した。結果を検証するために,筆者らは筆者らの新しいモデル,ハイブリッドGaNと標準GANsにより生成された画像を用いた画像間の詳細な比較を行った。MNISTデータセットを用いて新しいモデルを実行し,生成タスクから得られた結果を示した。Copyright 2018 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： モデリング ,  ネットワーク ,  高次元 ,  画質 ,  *画像 ,  画像合成 ,  *モデル ,  機械学習 ,  窒化ガリウム
準シソーラス用語： 対数尤度 ,  試験データ ,  *合成画像 ,  *ハイブリッドシステム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 敵対 ,  ネット ,  ハイブリッドシステム ,  生成画像 ,  モデル