文献

J-GLOBAL ID：201802220077912356   整理番号：18A0518514

細粒画像分類のための深い辞書学習【Powered by NICT】

Deep dictionary learning for fine-grained image classification

著者 (3件)： Srinivas M. (Academia Sinica, Taipei, Taiwan) ,  Lin Yen-Yu (Academia Sinica, Taipei, Taiwan) ,  Liao Hong-Yuan Mark (Academia Sinica, Taipei, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 835-839  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： 細粒画像分類は,高いクラス内類似性と大きなクラス内変動のために極めて困難である。もう一つの問題はまだ同定されてクラスの多数の訓練画像の小さな量である。課題に対処するために,著者らは,鳥の種認識への応用を持つ微細粒画像分類のためのモデルを提案した。双線形畳込みニューラルネットワーク(BCNN)によって抽出された特徴に基づいて,著者らはスパース性の原理は,分類に搭載した,オンライン辞書学習アルゴリズムを提案した。BCNNによって抽出された特徴は並進不変的に対ニューロン相互作用をコードしていた。特性である細粒分類に有用である。辞書学習のための提案したアルゴリズムは,スパース性に基づく分類を行い,訓練データが少ない辞書原子ので表すことができた。不十分な訓練データに起因する問題を軽減し,分類はるかに効率的である。提案アプローチを評価し,比較CUB-200 2011データセット上で最先端技術アプローチである。期待の持てる実験結果により,その有効性と優位性を示した。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： ニューロン ,  類似性 ,  相互作用 ,  並進不変性 ,  モデリング ,  *画像 ,  アルゴリズム ,  線形性 ,  学習アルゴリズム
準シソーラス用語： 最先端技術 ,  訓練データ ,  オンライン ,  スパース性 ,  畳込みニューラルネットワーク ,  *辞書学習 ,  *画像分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 細粒 ,  画像分類 ,  辞書学習