文献

J-GLOBAL ID：201802242919712016   整理番号：18A2231342

雑音ラベルを用いた画像分類のための巡回アニーリング訓練畳込みニューラルネットワーク【JST・京大機械翻訳】

Cyclic Annealing Training Convolutional Neural Networks for Image Classification with Noisy Labels

著者 (5件)： Li Jiawei (Department of Computer Science and Technology, Tsinghua University, China) ,  Dai Tao (Department of Computer Science and Technology, Tsinghua University, China) ,  Tang Qingtao (Department of Computer Science and Technology, Tsinghua University, China) ,  Xing Yeli (Department of Computer Science and Technology, Tsinghua University, China) ,  Xia Shu-Tao (Department of Computer Science and Technology, Tsinghua University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIP  ページ： 21-25  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： 雑音ラベルモデリングは,画像分類問題に対してよりロバストな畳込みニューラルネットワーク(CNN)を作る。しかしながら,現在の雑音ラベルモデリング法は,通常,計算的に高価なパラメータを最適化するために期待値最大化(EM)ベースの手順を必要とする。本論文では,高速アニーリング訓練法を用いて,各MステップにおけるCNN訓練を高速化した。訓練は全EM最適化経路に沿って実行され,あらゆる訓練サイクルから多くの局所最小CNNモデルを得るので,著者らはそれを周期的アニーリング訓練(CAT)アプローチと名付ける。訓練時間を減らすことに加えて,CATは,分類の性能を改善するために,試験時間ですべての局所最小CNNモデルをさらに袋掛けることができる。著者らは,異なる雑音ラベルパターンを有するいくつかの画像分類データセットに関する提案方法を評価して,この結果は著者らのCAT方式が最先端のノイズのあるラベルモデリング方法より優れていることを示した。Copyright 2019 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： 高速度 ,  高速化 ,  最適化 ,  *雑音 ,  *焼なまし ,  ロバスト性 ,  モデリング
準シソーラス用語： 最先端 ,  EMアルゴリズム ,  *畳込みニューラルネットワーク ,  *巡回 ,  *画像分類 , 【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 (7件)： 雑音 ,  ラベル ,  画像分類 ,  巡回 ,  アニーリング ,  訓練 ,  畳込みニューラルネットワーク