文献

J-GLOBAL ID：201802232916644848   整理番号：18A2037376

基本形状分類のための単一フィルタCNN性能【JST・京大機械翻訳】

A Single Filter CNN Performance for Basic Shape Classification

著者 (5件)： Murata Kenya (Graduate School of Integrated Arts and Sciences, Kochi University, Akebono-cho, Kochi, 780-8520) ,  Mito Masataka (Graduate School of Integrated Arts and Sciences, Kochi University, Akebono-cho, Kochi, 780-8520) ,  Eguchi Daisuke (Graduate School of Integrated Arts and Sciences, Kochi University, Akebono-cho, Kochi, 780-8520) ,  Mori Yuichiro (Graduate School of Integrated Arts and Sciences, Kochi University, Akebono-cho, Kochi, 780-8520) ,  Toyonaga Masahiko (Graduate School of Integrated Arts and Sciences, Kochi University, Akebono-cho, Kochi, 780-8520)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： iCAST  ページ： 139-143  発行年： 2018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： IoTカメラとセンサは,インターネットを介してそれらを伝送するために,世界のどこでも画像とセンシングデータを収集する。これらの収集された画像はサーバに積み重ねられ,CNN(Convolution Neural Net)などのサーバ上の画像認識システムは,貴重な情報をマイニングする。近い将来,膨大な数のIoTsが様々な場所で画像を収集するとき,これらのサーバはオーバフローに達する。したがって,IoTsが画像だけでなくサーバへの結果を分析するならば,サーバ負荷を減少させる。しかし,従来のCNNはこれを実行するにはあまりにも大きすぎる。著者らは,小さいIoTでも実行できる単一フィルタCNNモデルを提案した。著者らのCNNモデルは,入力層,アフィン変換層,コンボリューション層,プール層,および完全接続層を有する最小構成である。提案したCNNモデルを2つの実験で評価した。最初に,それが11の基本的形状,すなわち,円,三角形,正方形などを学ぶことができるかどうかをチェックした。第二に,それがそれらの形状低減とそれらの雑音混合に対して基本形状を分類できるかどうかをチェックした。最初の実験の結果は,著者らのシステムが完全にすべての基本的形状を分類することができることを示して,第2の実験の結果は,正確さがスケール-形状分類と逆-画素ノイズ分類のためにフィルタのタイプによって決まることを示した。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】

シソーラス用語： オーバフロー ,  雑音 ,  画像認識 ,  センサ ,  畳込み ,  カメラ ,  アフィン変換 ,  画素 ,  画像 ,  *フィルタ ,  インターネット
準シソーラス用語： モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 形状分類 ,  CNN