文献

J-GLOBAL ID：201802236640474407   整理番号：18A0444701

畳込みニューラルネットワークを用いた複合図形の背景からの分離のためのデータ駆動アプローチ【Powered by NICT】

A Data Driven Approach for Compound Figure Separation Using Convolutional Neural Networks

著者 (2件)： Tsutsui Satoshi ,  Crandall David J.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDAR  ページ： 533-540  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： 科学論文の自動分析と理解における重要な問題は,図,表,などのような非テキスト論文成分からの意味情報を抽出することである。この研究の多くは最初の前処理段階を必要とする:化合物多部分図形を分解する個々のサブ図。化合物指数分離における以前の研究は,手作業で設計した特徴と分離ルール,あまり一般的でない指数タイプとレイアウトのための失敗,に基づいている。化合物図形分割のための実装数は公開利用が可能である。本論文では,セパレータを訓練エンドツーエンド的に現代の深い畳込みニューラルネットワーク(CNN)を用いた複合図形を分離するためにデータ駆動型アプローチを提案した。セルラニューラルネットワーク特徴と分離ルールを設計する人手の必要性をなくすが,大量注釈付き訓練データを必要とする。移動学習を用いたと同様に訓練標本を自動的に合成するこの挑戦課題を克服した。ImageCLEF医用データセット上で提案手法を評価し,85.9%の精度を達成し,従来手法より優れていた。使いやすいPythonライブラリ,科学的指数採掘のさらなる研究を促進することを目的として著者らの実装が発表されてきた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 採掘 ,  前処理 ,  分離装置 ,  学習 ,  アノテーション ,  自動分析 ,  *セルラニューラルネットワーク
準シソーラス用語： Python ,  訓練データ ,  意味情報 ,  テキスト ,  *データ駆動 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  図形 ,  背景 ,  データ駆動