文献

J-GLOBAL ID：201902213566224831   整理番号：19A1788336

ディープCNN転送学習を用いたラダーによる画像の同定【JST・京大機械翻訳】

Identifying Images with Ladders Using Deep CNN Transfer Learning

著者 (3件)： Pandey Gaurav (University of Jyvaskyla, Jyvaeskylae, Finland) ,  Baranwal Arvind (Intellect Design Arena Ltd, Mumbai, India) ,  Semenov Alexander (University of Jyvaskyla, Jyvaeskylae, Finland)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 142  ページ： 143-153  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： それらの事前訓練モデルを用いた移動学習だけでなく,深い畳込みニューラルネットワーク(CNNs)は画像分類タスクにおける応用をしばしば見出す。本論文では,ラダーを含む画像を同定するために事前訓練されたCNNの利用を調査した。著者らは,そのクライアント企業に対する労働者の補償保険に対する価格を決定するために,保険会社が職場環境に含まれるリスクを評価するように,保険会社の特定の使用事例を目標とする。これに対して,クライアント企業によって提供される職場画像を利用することができ,そのような画像におけるラダーの存在は,職場の危険性,したがってリスクの指標として考えることができる。この目的のために,訓練集合における画像から特徴を抽出するために,あらかじめ訓練されたCNNモデル:VGG-16とVGG-19の利用を調査し,次に,二値分類器(はしごとして画像を分類する)を訓練するために使用した。訓練された二値分類器は将来の予測に使用できる。さらに,訓練集合を豊かにするために標準画像増強技術を含む効果を調べた。また,事前に訓練されたVGG-16とVGG-19モデルから得られた特徴を利用する2つの個々の二値分類器によって生成された予測を組み合わせることによって,分類予測を改善することを調査した。著者らの実験結果は,事前に訓練されたVGG-16とVGG-19モデルを用いて得られた特徴を利用する分類器の精度を比較する。さらに,VGG-16とVGG-19転送学習に基づく二値分類器からの予測を組み合わせるだけでなく,画像増強技術を用いて達成された精度の改善を解析した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像強調 ,  予測 ,  保険 ,  労働者 ,  *画像 ,  *学習 ,  労働環境
準シソーラス用語： 二値分類 ,  職場 ,  保険会社 ,  画像分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： CNN ,  画像分類 ,  深層学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： CNN ,  転送 ,  学習 ,  ラダー ,  同定