文献

J-GLOBAL ID：201802213291215426   整理番号：18A0444575

手書き漢字認識のためのResNetと中心損失に基づくメトリック学習の組合せ【Powered by NICT】

Combination of ResNet and Center Loss Based Metric Learning for Handwritten Chinese Character Recognition

著者 (3件)： Zhang Ruyu ,  Wang Qingqing ,  Lu Yue
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDAR  ページ： 25-29  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： 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】

シソーラス用語： *学習 ,  ネットワーク ,  *漢字
準シソーラス用語： ブースティング ,  学習戦略 ,  *手書き , 【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 (5件)： 手書き ,  漢字 ,  損失 ,  メトリック学習 ,  組合せ