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。
クロスドメイン画像翻訳のための条件付き生成敵対的ネットワーク(GANs)は最近,[7+8 21 12 4 18]非常に進歩した。タスクの複雑さに依存して,百万標識画像対の~千は条件付きGaNを訓練するために必要である。しかし,ヒト標識は高価で,実用的であり,多量のデータが常に利用可能ではないかもしれない。自然言語翻訳[23]からの二重学習に触発されて,新しい二重GaN機構,二つのドメインからラベル付けされていない画像の二セットから訓練への画像トランスレータを開発した。アーキテクチャでは,初期GaNはドメインUからの画像を変換ドメインVにおけるに学習し,一方二重GaNは,タスクを反転させるために学習する。主と二重課題による閉ループはドメインからの画像を可能にする翻訳され,得ることができる。画像の再構成誤差を考慮した損失関数をトランスレータを訓練するために使用することができる。非標識データと多重画像翻訳タスク上での実験を行い,単一GaN上DualGANのかなりの性能利得を示した。あるタスクの場合,DualGANは完全にラベル付けされたデータ上で訓練された条件付きGaNと同等かわずかに良い結果を達成することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】