抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日,深層ネットワークは手書き漢字認識(HCCR)の分野で支配的な役割を果たしており,その認識性能は,人間を上回る有意に報告している。最近の研究は,深いネットワークの性能は,計量学習の支援によりさらに改善されている,クラス間および,クラス内の情報を捉えることができることを示した。センター損失は強力なメトリック学習戦略であり,他の計量学習戦略と比較して試料ユニットを選択することの必要性を持たない。本論文では,我々はHCCRタスクのためのブースティング深層ネットワークにおける中心損失に基づくメトリック学習の有効性を調べた。残留ネットワーク(ResNet)と組み合わせることにより,97.03%の精度はICDAR2013データセット,計量学習なし深層ネットワークよりもはるかに高いに達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】