文献

J-GLOBAL ID：201802216329053795   整理番号：18A0847019

事前訓練CNNとSVMの組合せに基づく手書き数字分類のためのパターン増強【JST・京大機械翻訳】

Pattern augmentation for handwritten digit classification based on combination of pre-trained CNN and SVM

著者 (3件)： Shima Yoshihiro (School of Science and Engineering, Meisei University, Hino-city, Tokyo, Japan) ,  Nakashima Yumi (School of Information Science, Meisei University, Hino-city, Tokyo, Japan) ,  Yasuda Michio (School of Information Science, Meisei University, Hino-city, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIEV-ISCMHT  ページ： 1-6  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： ニューラルネットワークは,文字パターンとオブジェクト画像を分類するための強力な技術である。多数の訓練サンプルは分類精度にとって非常に重要である。前訓練畳込みニューラルネットワーク(CNN)とサポートベクトルマシン(SVM)を組み合わせた手書き数字認識のための新しい方法を提案した。訓練サンプルは,余弦変換と弾性歪のようなパターン歪によって強化される。事前訓練されたCNN,Alex-Netをパターン特徴抽出器として用いることができた。Alex-Netは大規模オブジェクト画像データセットのために事前訓練される。SVMを訓練可能な分類器として用いた。MNISTデータベース上の6千サンプルと歪パターンをSVMにより訓練した。文字パターンの特徴ベクトルは,Alex-NetからSVMを通過する。実験結果は,歪なしで1.03%の試験誤差率と,10,000の手書き文字を含むMNISTデータベースのテストセット上の歪による0.93%の誤り率を示し,提案方法が手書き数字を認識するのに有効であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 抽出装置 ,  サポートベクトルマシン ,  ニューラルネットワーク ,  データベース ,  画像 ,  余弦変換 ,  誤り率 ,  *数字
準シソーラス用語： 特徴ベクトル ,  手書き数字認識 ,  畳込みニューラルネットワーク ,  分類精度 ,  *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 (8件)： 訓練 ,  CNN ,  SVM ,  組合せ ,  手書き ,  数字 ,  分類 ,  増強