文献

J-GLOBAL ID：201902289567368130   整理番号：19A1765097

画像の空間情報を利用した画像分類法【JST・京大機械翻訳】

Image classification method rationally utilizing spatial information of the image

著者 (4件)： Wu Chao (Institute of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Li Yaqian (Key Lab of Industrial Computer Control Engineering of Hebei Province, Yanshan University, Qinhuangdao, China) ,  Zhao Zhibiao (Institute of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Liu Bin (Institute of Information Science and Engineering, Yanshan University, Qinhuangdao, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 78  号： 14  ページ： 19181-19199  発行年： 2019年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： 画像分類問題の精度を改善するために,本論文は画像特徴抽出とニューラルネットワークに基づく新しい分類方法を提案した。この方法は,画像特徴抽出とニューラルネットワーク分類の2段階からなる。特徴抽出の段階において,空間ピラミッドマッチング(SPM)特徴,局所位置特徴およびグローバル輪郭特徴を抽出した。SPM特徴における空間情報の利用は,上記の3つの特徴を組み合わせることによって効果的に改善される。ニューラルネットワーク分類の段階において,分類精度を改善するために,3つの特徴を利用するために,多重隠れ層フィードフォワードヒストグラム区間カーネル加重学習ネットワーク(HWLN)を提案した。ネットワークの構造において,隠れ層出力特徴を,特徴の係数を重みづける入力特徴のバイアスとして用いた。入力層と隠れ層を出力層と直接接続し,線形写像と非線形写像の組合せを実現した。そして,ヒストグラム区間カーネルを,入力重み行列のランダム初期化の代わりに用いた。入力情報として結合した特徴を取り入れて,HWLNは入力情報と目標カテゴリーの間のマッピング関係を実現することができて,画像分類作業を完成することができた。Caltech101,Caltech256およびMSRCデータベースについて広範な実験を行った。実験結果は,提案した方法が空間情報をさらに利用し,画像分類の精度を改善することを示した。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  ヒストグラム ,  特徴抽出 ,  *画像 ,  ニューラルネットワーク ,  写像 ,  多重化 ,  ネットワーク ,  バイアス ,  線形性
準シソーラス用語： 加重 ,  隠れ層 ,  分類精度 ,  *画像分類 ,  *空間情報 , 【Automatic Indexing@JST】

著者キーワード (5件)： 空間ピラミッドマッチング ,  局所位置特徴 ,  大域的輪郭特徴 ,  ニューラルネットワーク ,  ヒストグラム交差カーネル加重学習ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 空間情報 ,  分類法