文献

J-GLOBAL ID：202002212457841682   整理番号：20A1340740

普遍的非体積保存アプローチによる領域一般化【JST・京大機械翻訳】

Domain Generalization via Universal Non-volume Preserving Approach

著者 (5件)： Truong Dat T. (University of Arkansas,USA) ,  Nhan Duong Chi (Concordia University,Canada) ,  Luu Khoa (University of Arkansas,USA) ,  Tran Minh-Triet (University of Science,Ho Chi Minh city,Vietnam) ,  Le Ngan (University of Arkansas,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CRV  ページ： 93-100  発行年： 2020年 
JST資料番号： W2441A  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： ドメインにわたる認識は,最近,研究コミュニティにおける活発な話題になっている。しかし,それは,新しい非意味領域における認識の問題において,主に見落とされてきた。この条件下で,デリバーされた深いネットワークモデルは,更新,適応,または微調整できない。したがって,ドメイン適応,特徴転送,および微調整のような最近の深層学習技術が適用できない。本論文では,深層学習の文脈におけるドメイン一般化問題に対する新しいアプローチを示した。提案方法1を,種々の問題,すなわち,MNISTT,SVHN,およびMNISTT-Mに関する数字認識,(ii)拡張Yale-B,CMU-PIEおよびCMU-MPIEに関する顔認識,および(iii)RGBおよび熱画像データセットに関する歩行者認識に関する異なるデータセットに関して評価した。実験結果は,著者らの提案方法が一貫して性能精度を改善することを示した。また,オブジェクト検出と認識問題のためのエンドツーエンド深層ネットワーク設計の中で,他のCNNフレームワークと容易に組み込むことができ,その性能を改善した。Copyright 2020 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】

シソーラス用語： コミュニティ ,  *エンドツーエンド方式 ,  熱画像 ,  深層
準シソーラス用語： ネットワークモデル ,  ネットワーク設計 ,  物体検出 ,  歩行者認識 ,  微調整 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 体積 ,  保存 ,  一般化