文献

J-GLOBAL ID：201902211192481442   整理番号：19A2400170

画像分類のための教師付きディープスパース符号化ネットワーク【JST・京大機械翻訳】

Supervised Deep Sparse Coding Networks for Image Classification

著者 (3件)： Sun Xiaoxia (Johns Hopkins University, Baltimore, MD, USA) ,  Nasrabadi Nasser M. (Lane Department of Computer Science and Electrical Engineering, West Virginia University, Morgantown, WV, USA) ,  Tran Trac D. (Department of Electrical and Computer Engineering, Johns Hopkins University, Baltimore, MD, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 405-418  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 本論文では,与えられたアプリケーションに対するそれ自身の正則化パラメータを効率的に適応できる新しい深いスパース符号化ネットワーク(SCN)を提案した。ネットワークは,誤差逆伝搬による教師付きタスク駆動学習アルゴリズムにより,エンドツーエンドで訓練される。訓練中に,ネットワークは各スパース符号化層の辞書と正則化パラメータの両方を学習し,再構成辞書をスムーズに識別表現に変換する。さらに,適応正則化は,スパース性レベルを調整するためにネットワークをより柔軟に提供した。さらに,「skinny」辞書を利用したスパース符号化層を考案した。計算効率に対する積分により,これらの皮膚の辞書は高次元スパース符号を低次元構造に圧縮する。著者らの15層SCNの適応性と識別可能性を,6つのベンチマークデータセット,すなわちCIFAR-10,Cifar-100,STL-10,SVHN,MNIST,およびImageNetに関して実証した。それらの大部分はスパース符号化モデルにとって難しいと考えられる。実験結果は,非常に少ないパラメータを用いて,著者らのアーキテクチャが従来の1層スパース符号化アーキテクチャより圧倒的に優れていることを示した。さらに,著者らの多層アーキテクチャは,より小さなデータセット上で動作するために,スパース符号化の特性能力を有する深さの利点を利用した。そのようなデータ制約シナリオにおいて,著者らの技術は,深いニューラルネットワークと比較して,非常に競争力のある性能を実証した。Copyright 2019 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： ニューラルネットワーク ,  多層 ,  計算機アーキテクチャ ,  再構成 ,  正則化 ,  *ネットワーク ,  ベンチマーク ,  応用プログラム ,  単一層 ,  パラメータ ,  学習アルゴリズム
準シソーラス用語： *スパース ,  スパース性 ,  *スパースコーディング ,  *画像分類 , 【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 (3件)： 画像分類 ,  教師 ,  符号化