文献

J-GLOBAL ID：201802278359419296   整理番号：18A1955007

遷移学習と特徴融合に基づく航空機画像分類アルゴリズム【JST・京大機械翻訳】

Aircraft Image Classification Algorithm Based on Transfer Learning and Feature Fusion

著者 (5件)： Chen Bing (空軍工程大学航空航天工程学院,西安,710038) ,  Cha Yufei (空軍工程大学航空航天工程学院,西安,710038) ,  Zhang Shengjie (空軍工程大学航空航天工程学院,西安,710038) ,  Li Yunqiang (空軍工程大学航空航天工程学院,西安,710038) ,  Zhang Yuanqiang (空軍工程大学航空航天工程学院,西安,710038)
資料名： Huoli Yuzhihui Kongzhi  (Huoli Yuzhihui Kongzhi)
巻： 43  号： 7  ページ： 140-144,150  発行年： 2018年 
JST資料番号： C2930A  ISSN： 1002-0640  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 航空機ターゲットの分類は空中戦闘における戦闘計画の重要部分であり,航空機画像分類の研究は非常に少なく,データベースも少ない。自然画像の分類領域に存在する特徴表現方法は、主に画像の色、テクスチャ、勾配などの特徴に対してコーディングを行うが、これらの浅層特徴は画像の深層意味情報を表現できないが、畳み込みニューラルネットワーク(CNN)は強大な特徴表現能力を持っている。しかし,小規模データベースの直接訓練ネットワークは,モデルの過適合を引き起こす。これらの問題に対して、8000枚の画像、10種類の航空器画像データベースを構築し、移動学習と特徴融合に基づく航空機画像分類アルゴリズムを提案し、畳み込みニューラルネットワークを用いて画像の特徴を抽出し、移動学習の思想を用いてネットワークを訓練した。その結果,モデルのフィッティングが軽減され,特徴融合アルゴリズム,融合深さ特性,および浅層特徴が提示され,画像情報表現の単一特性の不足が埋め込まれる。実験において,航空機画像データベースを用いて,このアルゴリズムの有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 画像データベース ,  深層 ,  *アルゴリズム ,  ネットワーク ,  *画像 ,  *航空輸送 ,  *学習 ,  小規模 ,  データベース ,  *航空機
準シソーラス用語： 畳込みニューラルネットワーク ,  質感 ,  *画像分類 ,  *分類アルゴリズム ,  *特徴融合 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  航空機  (QK06000K)

タイトルに関連する用語 (6件)： 遷移 ,  学習 ,  特徴融合 ,  航空機 ,  画像分類 ,  アルゴリズム