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。
本論文では,非常に基本的なデータ処理要素に基づく画像分類のための簡単で効果的な特徴学習アーキテクチャを提案した。1)主成分分析(PCA);2)線形判別分析(LDA);3)二値ハッシングとブロック状ヒストグラム。このアーキテクチャにおいて,PCAは入力画像のパッチを再構成するために使用され,LDAはフィルタバンクを学習するために使用される。これは,インデクシングのための単純な二値ハッシングとブロック状ヒストグラムに従う。このアーキテクチャはLDANetとPCAnetにより動機付けられ,PCA LDAネットワーク(PCA-LDANet)と呼ばれる。それらはそれらのトポロジーにおいていくつかの類似性を顔認識のための顔認識技術(FERET)データセットを含む異なるタスクに対する2つの視覚データセット上でPCA-LDANetをテストした。そして,手書き数字認識のためのMNISTデータセット。これらのアーキテクチャの特性と本質を調べるために,1段ネットワークに関する実験を行った。適切に問題を説明することは十分である。実験結果は,PCA-LDANet-1が両データセット上でPCANet-1とLDANet-1より優れていることを示した。実験結果は,PCA-LDANetの有効性と識別性を実証した。PCAパッチ再構成のPCA-LDANetにおける重要な役割。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】