文献

J-GLOBAL ID：201802287822723748   整理番号：18A1710430

我々は芸術を理解することができるか? 深いネットワーク容量を脱抽象芸術に強化するためのドメイン適応【JST・京大機械翻訳】

Can we teach computers to understand art? Domain adaptation for enhancing deep networks capacity to de-abstract art

著者 (4件)： Badea Mihai (Image Processing and Analysis Laboratory (LAPI), University Politehnica of Bucharest, Romania) ,  Florea Corneliu (Image Processing and Analysis Laboratory (LAPI), University Politehnica of Bucharest, Romania) ,  Florea Laura (Image Processing and Analysis Laboratory (LAPI), University Politehnica of Bucharest, Romania) ,  Vertan Constantin (Image Processing and Analysis Laboratory (LAPI), University Politehnica of Bucharest, Romania)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 77  ページ： 21-32  発行年： 2018年 
JST資料番号： A0611C  ISSN： 0262-8856  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間は単一のglanceで自然のシーンを理解する。それらの抽象的表現を通して,ポインタと他の視覚的アーチファクトは,この限界に対するこの能力を強調した。コンピュータビジョンソリューションの性能は,視覚認識の多くの問題において人間のものと一致した。本論文では,シーンの抽象的および/または芸術的表現によるより一般的な処理の一部として,概念的ニューラルネットワーク(CNN)を用いて,ディジタル化された絵画におけるジャンル(主題)を認識する問題に取り組んだ。最初に,スクラッチからCNNを訓練することにより,芸術性能の状態を確立した。次のレベルの評価において,芸術的抽象化のようなCNNの認識を妨げる側面を同定した。さらに,著者らは,CNNsの主題認識能力を強化することができる様々なドメイン適応法をテストした。評価は,芸術的な表現をエミュレートするために,芸術的な写真で暫定的に拡張された80,000のアノテーションされたデジタル化された絵画のデータベース上で実行される。驚くべきことに,最も効率的なドメイン適応は神経スタイル移動ではない。最後に,本論文は,CNNsが達成できる抽象レベルの実験に基づく評価を提供した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  アーチファクト ,  コンピュータビジョン ,  データベース ,  アノテーション ,  ニューラルネットワーク ,  視認 ,  エミュレーション
準シソーラス用語： 神経 ,  ディジタル化 ,  *ネットワーク容量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳み込みニューラルネットワーク ,  ドメイン適応 ,  ジャンル認識 ,  塗装分析 ,  スタイルトランスファ

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 芸術 ,  理解 ,  ネットワーク容量 ,  抽象 ,  強化 ,  ドメイン適応