文献

J-GLOBAL ID：202002211778213450   整理番号：20A1508501

MNISTデータセット上の誘導GANの設計と可視化【JST・京大機械翻訳】

Design and Visualization of Guided GAN on MNIST dataset

著者 (3件)： Liu Haohe (School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Yao Siqi (International Institute of Service Engineering, Hangzhou Normal University, Hangzhou, China) ,  Wang Yulin (Shenzhen Research Institute, Wuhan University, High-tech park, Shenzhen, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICGSP ’19  ページ： 117-120  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Generative Adversarial Network(GAN)により生成された画像のラベルに入力雑音ベクトルを写像することを目指したハイブリッドモデルを提案した。このモデルは,主に,事前訓練された深い畳み込み型ネットワーク(DCGAN)と分類器から成る。このモデルを用いて,GANの各訓練後,生成された画像の特定のタイプを導く二次元入力雑音の分布を可視化する。可視化は,入力雑音ベクトルの分布特性と発電機の性能を明らかにした。この特徴により,著者らは,正確に必要な偽画像を生成することができる誘導生成器を構築することを試みた。2つの方法を提案して,誘導発電機を構築した。1つは最も重要なノイズ(MSN)法であり,もう1つはラベル付きノイズを利用する。MSN法は,画像を正確に生成できるが,変化が少ない。対照的に,ラベル付きノイズ法は,より多くの変動を持つが,わずかに安定性が小さかった。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  畳込み ,  ベクトル ,  ネットワーク ,  *可視化 ,  布特性 ,  二次元 ,  誘導発電機
準シソーラス用語： 分類会計機 ,  ハイブリッドモデル ,  再生器 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： DCGAN ,  深層学習 ,  誘導GAN ,  可視化

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

タイトルに関連する用語 (5件)： データセット ,  誘導 ,  GaN ,  設計 ,  可視化