文献

J-GLOBAL ID：201802280009977190   整理番号：18A0245241

マルチタスク学習を用いた手書き数字認識【Powered by NICT】

Handwritten numeral recognition using multi-task learning

著者 (6件)： Hou Jinhui (School of Information Science and Engineering, Huaqiao University, Xiamen 361021, China) ,  Zeng Huanqiang (School of Information Science and Engineering, Huaqiao University, Xiamen 361021, China) ,  Cai Lei (School of Information Science and Engineering, Huaqiao University, Xiamen 361021, China) ,  Zhu Jianqing (School of Engineering, Huaqiao University, Quanzhou, 362021, China) ,  Cao Jiuwen (Key Lab for IOT and Information Fusion Technology of Zhejiang, Hangzhou Dianzi University, Zhejiang, 310018, China) ,  Hou Junhui (Department of Computer Science, The City University of Hong Kong, Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISPACS  ページ： 155-158  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： 手書き数字認識は,異なる人の描画スタイルと異なる指の輪郭における高い類似性の大きな変動のために,挑戦的な問題である。書体におけるscratchy/non scratchyの決定は,手書き数字の分類に相補的役割を果たす可能性があるという観察に基づいて。本論文では,手書き数字認識のための効果的なマルチタスク学習ネットワークは認識性能を向上させるために提案した。提案したマルチタスク学習ネットワークは二年間で,同時に手書き数字認識とscratchy/non scratchy意思決定を学習できるから構成されている。二タスクは,訓練中に互いにを促進し,より優れた認識性能を達成することができる。MNISTデータベース上で包括的な実験を行い,提案する多重タスク・ネットワークを効果的に認識精度を改善し,0.40%誤り率の優れた性能,MNISTデータベース上で実験するほとんどの方法よりも性能が優れているを達成できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 誤り率 ,  フォント ,  ネットワーク ,  データベース ,  *数字 ,  類似性 ,  意思決定
準シソーラス用語： 認識精度 ,  *マルチタスク ,  *手書き ,  描画 ,  *手書き数字認識 ,  *マルチタスク学習 , 【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 (2件)： マルチタスク学習 ,  手書き数字認識