文献

J-GLOBAL ID：201902219972646290   整理番号：19A0103379

グリッド構造を用いた画像分類のための多層畳み込みニューラルネットワーク

著者 (1件)： 武田敦志 (東北学院大 教養)
資料名： 電子情報通信学会論文誌 D(Web)
巻： J101-D  号： 11  ページ： 1482-1493 (WEB ONLY)  発行年： 2018年11月01日 
JST資料番号： U0473A  ISSN： 1881-0225  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年の多層畳み込みニューラルネットワークの研究により,画像分類における畳み込みニューラルネットワークの性能を向上させるためには汎化性能の改善が重要であることが判明した。そこで,本論文では,高い汎化性能をもつ多層畳み込みニューラルネットワークであるSwGridNetを提案する。SwGridNetは,多数の畳み込み計算ユニットをグリッド状に配置した畳み込みニューラルネットワークであり,入力と出力の間に複数の計算経路が存在するように設計されている。本論文では,SwGridNetの構成と特徴について述べる。また,画像分類のデータセットであるCIFARを用いてSwGridNetの画像分類性能を評価し,CIFAR-10の画像分類のエラー率が2.95%であり,CIFAR-100の画像分類のエラー率が15.67%であることを確認した。これらの結果は,SwGridNetの画像分類性能が現在(2018年3月)の最新手法と同等であることを示している。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *分類 ,  画像 ,  画像認識 ,  *機械学習
準シソーラス用語： *画像分類 ,  *畳込みニューラルネットワーク ,  *深層学習 ,  *多層畳み込みニューラルネットワーク

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

引用文献 (28件)：

• O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, et al., “Imagenet large scale visual recognition challenge,” Int. J. Comput. Vis., vol.115, no.3, pp.211-252, 2015.
• A. Krizhevsky, I. Sutskever, and G.E. Hinton, “Imagenet classification with deep convolutional neural networks,” Advances in Neural Information Processing Systems, pp.1097-1105, 2012.
• G.E. Hinton and R.R. Salakhutdinov, “Reducing the dimensionality of data with neural networks,” Science, vol.313, no.5786, pp.504-507, 2006.
• P. Vincent, H. Larochelle, I. Lajoie, Y. Bengio, and P.-A. Manzagol, “Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion,” J. Machine Learning Research, vol.11, no.Dec, pp.3371-3408, 2010.
• K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp.770-778, 2016.

タイトルに関連する用語 (4件)： グリッド ,  画像分類 ,  多層 ,  畳み込みニューラルネットワーク