文献

J-GLOBAL ID：201802255422023910   整理番号：18A2036650

深いCNNの訓練における明示的視覚顕著性の導入:建築スタイル分類への応用【JST・京大機械翻訳】

Introduction of Explicit Visual Saliency in Training of Deep CNNs: Application to Architectural Styles Classification

著者 (4件)： Obeso Abraham Montoya ,  Benois-Pineau Jenny (Laboratoire Bordelais de Recherche en Informatique, Universite ́ de Bordeaux, Bordeaux, France) ,  Garcia Vazquez Mireya Sarai (Centro de Investigacio ́n y Desarrollo de Tecnologi ́a Digital, Instituto Polite ́cnico Nacional, Tijuana, Me ́xico) ,  Ramirez Acosta Alejandro A. (MIRAL R&D&I, San Diego, United States)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CBMI  ページ： 1-5  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： 画像分類タスクのためのコンテンツ選択における視覚的顕著性または対話性の導入は,集中的に研究されたトピックである。それは特徴選択のために実行された。今日,Deep Convolutionニューラルネットワークのような視覚コンテンツの勝者分類器において,視覚的顕著性マップは明示的に導入されていない。CNNにおけるプール特徴は,データ次元,計算複雑性を低減し,その後の層に対する代表的特徴を要約するための良い戦略として知られている。本論文では,より深い層に対する関連特徴を空間的にフィルタするために,ネットワークプール層における視覚的顕著性を導入した。著者らの実験は,メキシコの建築スタイルを特定するために特定のタスクで行われる。結果は有望である:提案した手法は,ベースラインCNNと同じ精度を保ちながら,モデル損失と訓練時間を低減する。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： メキシコ合衆国 ,  会話 ,  フィルタ ,  コンテンツ ,  計算量 ,  *視覚 ,  基準線 ,  ニューラルネットワーク ,  特徴選択
準シソーラス用語： 顕著性マップ ,  画像分類 ,  *視覚顕著 , 【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)： CNN ,  訓練 ,  視覚顕著 ,  建築 ,  スタイル ,  分類 ,  応用