文献

J-GLOBAL ID：202002216689237572   整理番号：20A0862937

畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)を用いた画像処理【JST・京大機械翻訳】

Captioning Image Using Convolutional Neural Network (CNN) and Long-Short Term Memory (LSTM)

著者 (3件)： Hartatik (Universitas Amikom Yogyakarta,Sleman Yogyakarta) ,  Al Fatta Hanif (Universitas Amikom Yogyakarta,Sleman Yogyakarta) ,  Fajar Utsman (Universitas Amikom Yogyakarta,Sleman Yogyakarta)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISRITI  ページ： 263-268  発行年： 2019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： インドネシアにおけるインターネットアクセスは,マイナスとプラスの両方の影響をもたらす。データは,por像をアクセスする子供の数が有意に増加することを示した。研究者は,porグラフ画像の捕捉を予測するために,学習移動を用いて,畳込みニューラルネットワーク(CNN)アルゴリズムと長時間領域記憶(LSTM)アルゴリズムを実行することを試みた。与えられた入力空間は,CNN符号器のボトルネック層を用いて抽出されるporグラフ画像である。抽出における重量値は,Inception V3を用いて訓練前モデルから得られた。一つのホット符号化技術を用いて画像捕捉を処理し,一つのホットベクトルを生成した。ボトルネック層と1つのホットベクトルによる特徴抽出の結果を,LSTMネットワークによる訓練データセットとして用いた。モデルの精度は,0~100のスコア範囲でBLEU,METEORおよびciderマトリックスを用いて計算した。BLEU-1からBLEU-4の結果は,55.84のスコアを示した。24.01;10.57;それぞれ4.59,12.75のMETEORと43.84のcider。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： 符号器 ,  インドネシア共和国 ,  アルゴリズム ,  子供 ,  捕獲 ,  ベクトル ,  学習 ,  特徴抽出 ,  *画像処理
準シソーラス用語： 訓練データ ,  インターネットアクセス ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 畳み込みニューラルネットワーク ,  CNN ,  長短期記憶 ,  LSTM ,  画像処理