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。
本研究では,畳込みニューラルネットワーク(CNN)の能力画像を構成する成分の存在を推論するためのを調べた。近年,CNNは分類,検出およびセグメンテーションにおける強力な結果を達成した。しかし,これらのモデルは,検出されたオブジェクトのインスタンスレベル監視から学ぶ。本論文では,CNNは,局所化の無い画像レベル弱教師つきラベルを用いた物体を検出できるかどうかを決定した。CNNは,物体の認識を推論することができることを実証するために,文字レベル標識成分と漢字の構築したデータベースを持ったセルラ神経回路網の分類能力を評価した。CNNは,構成部品の特定の知識なしでこれらの成分の存在を確認する際に,高い精度を達成できることを示した。さらに,CNNを除去成分を用いた実験結果との比較により標的成分の知識をであることを確認した。本研究では,漢字認識のようなロバストなアノテーションを伴うことなく,多量データの応用にとって重要である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】