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。
深い畳込みニューラルネットワークを用いて,識別画像レベルの特徴を生成することができる。しかし,パイプラインを符号化する特徴抽出器として使用されるとき,多くの設計選択がなされる必要がある。本研究では,特徴抽出アスペクトに特別な注意を払うことにより,深い畳込み特徴符号化に関する包括的研究を行った。符号化法の選択を主に評価した。ベースDCNNモデルの選択;そして,データ増強法の選択。著者らは,深い畳込み特徴符号化のためのいくつかの既知で以前に知られていない良好な選択を定量的に確認しただけでなく,いくつかの既知の良い選択が悪いことを見出した。実験における観測に基づいて,パイプラインをコードする非常に単純な深い特徴を提示し,複数の画像認識データセットに関するその最先端の性能を確認した。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】
