文献

J-GLOBAL ID：201802231393179629   整理番号：18A0707355

深層学習を用いた画像アノテーション:レビュー【JST・京大機械翻訳】

Image annotation using deep learning: A review

著者 (3件)： Ojha Utkarsh (CSE Department, MNNIT Allahabad, Allahabad, India) ,  Adhikari Utsav (CSE Department, MNNIT Allahabad, Allahabad, India) ,  Singh Dushyant Kumar (CSE Department, MNNIT Allahabad, Allahabad, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： I2C2  ページ： 1-5  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： ここ数年において,深い学習はコンピュータビジョンと自然言語理解の分野において,またそれらの間の相互作用において大きな成功をもたらした。異なるタイプの深い学習モデルの中で,畳込みニューラルネットワークは視覚認識とマシンビジョンに関連するタスクに対して最も広く研究されている。計算資源と訓練データの不足のために,過剰適合なしで高容量畳込みニューラルネットワークを使用することは非常に困難である。しかし,注釈付きデータと高性能GPUの利用可能性における最近の成長は,畳込みニューラルネットワークを用いて最先端の結果を得ることを可能にした。本論文では,CNNsがコンピュータビジョンコミュニティにおいてどのように広く利用されているかに関するレビューを提示した。また,それらを部分的に局所化することによって画像のコンテンツを注釈するためのConvNetの応用も紹介した。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： コンテンツ ,  学習モデル ,  *アノテーション ,  相互作用 ,  コンピュータビジョン ,  視認 ,  *画像
準シソーラス用語： 局在化 ,  訓練データ ,  計算資源 ,  マシンビジョン ,  畳込みニューラルネットワーク ,  自然言語理解 ,  *画像アノテーション ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 深層学習 ,  画像アノテーション ,  レビュー