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。
オブジェクトカテゴリの数がオブジェクト分類において増加し続けているので,特徴空間におけるそれらのサンプルの近接性のために,他より混乱している特定のカテゴリを持つことは避けられない。本研究では,混乱カテゴリに関する詳細な解析を行い,その性能をさらに改善するために,任意のCNNベースのオブジェクト分類ベースライン法に適用できる,混乱カテゴリー同定と分解能(CCIR)方式を提案した。CCIR方式において,著者らは最初に,混乱集合を自動的に形成するために,混乱するオブジェクトカテゴリをクラスタ化する手順を提示した。次に,二値ツリー構造化(BTS)クラスタリング法を採用して,混乱集合を多重サブセットに分割した。次に,分類器を各サブセット内で学習し,その性能を強化した。ImageNet ILSVRC2012データセットに関する実験結果は,提案したCCIR方式がAlexNetとVGG16に関して著しい性能利得を提供することができることを示した。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】