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。
畳込みニューラルネットワークをコンボリューション操作により構築し,これにより,局所的な受容場内で空間的およびチャネル的情報を融合することにより,有益な特徴を抽出した。ネットワークの表現力を高めるために,いくつかの最近のアプローチが空間符号化を強化する利点を示している。本研究では,チャネル関係に焦点を当て,チャネル間の相互依存性を明示的にモデル化することにより,チャネルごとの特徴応答を適応的に再調整する,「二乗と拡張」(SE)ブロックを項とする新しいアーキテクチャユニットを提案した。これらのブロックを一緒に積み重ねることにより,挑戦的なデータセットにわたって非常に良く一般化されるSenetアーキテクチャを構築することができることを示した。決定的に,SEブロックは,最小の追加計算コストで既存の最先端の深いアーキテクチャに対して著しい性能改善を生み出すことを見出した。SENetsは著者らのILSVRC2017分類サブミッションの基礎を形成した。それは最初に位置し,トップ-5誤差を2.251%に有意に減少させ,2016年のウィニング侵入に対して約25%の相対的改善を達成した。コードとモデルはhttps://github.com/hujie-frank/SENetで利用可能である。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】
