文献

J-GLOBAL ID：201802214248636105   整理番号：18A0035401

画像分類畳込みニューラルネットワークの特徴選択モデル圧縮手法【JST・京大機械翻訳】

Convolutional neural networks model compression based on feature selection for image classification

著者 (5件)： Zou Yuexian (北京大学信息工程学院現代信号与数据処理実験室,广東深zhen,518055) ,  Yu Jiasheng (北京大学信息工程学院現代信号与数据処理実験室,广東深zhen,518055) ,  Chen Zehan (北京大学信息工程学院現代信号与数据処理実験室,广東深zhen,518055) ,  Chen Jin (北京大学信息工程学院現代信号与数据処理実験室,广東深zhen,518055) ,  Wang Yi (北京大学信息工程学院現代信号与数据処理実験室,广東深zhen,518055)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 34  号： 6  ページ： 746-752  発行年： 2017年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 深さ畳込み神経回路網(convolutional neural networks、CNN)は特徴抽出器(feature extractor、CNN-FE)としてすでに多くの領域に応用され、顕著な成功を得た。研究によると,CNN-FEは大量のパラメータを持ち,これは,携帯電話のようなメモリの限られたデバイスにおけるCNN-FEの応用を大きく制限する。本論文において,著者らは,ニューラルネットワークの特徴抽出装置を研究して,画像分類の問題を解決するために,画像分類性能をほとんど維持することなく,CNN-FEモデルのパラメータを減少した。AlexNetの各層のパラメータ分布の詳細な分析により、筆者らはその全連結層が約99%のモデルパラメータを含み、画像分類の種類が少ない場合、AlexNet抽出の特徴には冗長が存在することを発見した。そこで、CNN-FEモデルの圧縮問題を深さ特徴選択問題に転化し、分類精度と圧縮率を考慮して、相互情報量に基づく新しい特徴選択方法を提案し、CNN-FEモデル圧縮を実現した。.................................................を提案している1)新しい特徴選択方法を提案した。画像分類実験を,公開シーン分類データベースおよび自己構築無線カプセル内視鏡(WCE)の気泡画像データベースにおいて行った..... . . Wul. Wul. Wuling Wulingの画像データベースを用いて実験を行った.結果により,提案したCNN-FEモデル圧縮法は,約83%のAlexNetモデルパラメータを減少させ,そして,分類精度は,ほとんど変化しないことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： データベース ,  *ニューラルネットワーク ,  神経回路網 ,  相互情報量 ,  *畳込み ,  圧縮率 ,  特徴抽出 ,  *モデル ,  携帯電話 ,  自己集合 ,  *特徴選択 ,  画像データベース
準シソーラス用語： 分類精度 ,  モデルパラメータ ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： convolutional neural networks ,  image classification ,  feature extractor ,  feature selection ,  model compression

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 画像分類 ,  畳込みニューラルネットワーク ,  特徴選択 ,  モデル ,  手法