抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ほとんどのパターン認識システムは,任意の入力サンプルが与えられたクラスの一つに属するように分類されるように閉じた集合認識システムである。しかし,本論文では,テストサンプルがラベル付けされた「既知のクラス」の一つあるいは未知のクラスから生じる可能性のあるオープンセット認識問題に取り組んだ。未知のクラスの数は限られている可能性がある。アンサンブル二値分類器(EBC)により生成されたコンパクトな二値特徴(CBF)を,オープンセット認識問題を解くために提案した。この方法は,現代のCNN(畳込みニューラルネットワーク)技術と組み合わせた一種のECOC(Erorr-Correcting Output Code)と見なすことができ,オープンセット認識に適応した。既知のクラスを2つのグループにランダムに分割し,それらを分離するためにCNNによる二値分類器を訓練し,多くの時間にわたって,多くの手順を繰り返すことにより,計算に非常に効率的なHamming距離に従って整合できるCBFを持つ試験サンプルを関連付けることができる。Dunhuang古代漢字データセットに関する実験によって,EBCは単一フィードフォワードCNNと比較して認識性能を著しく上げることができた。それとは別に,CBFは記憶に対して非常に効率的であり,訓練段階におけるより多くの計算のコストにおける特徴マッチングにおいて多くの時間を節約する。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】