文献

J-GLOBAL ID：202002224241458439   整理番号：20A1747637

深い回帰の包括的解析【JST・京大機械翻訳】

A Comprehensive Analysis of Deep Regression

著者 (4件)： Lathuiliere Stephane (PERCEPTION Team, Inria, Universite ́ Grenoble Alpes, Montbonnot, France) ,  Mesejo Pablo (PERCEPTION Team, Inria, Universite ́ Grenoble Alpes, Montbonnot, France) ,  Alameda-Pineda Xavier (PERCEPTION Team, Inria, Universite ́ Grenoble Alpes, Montbonnot, France) ,  Horaud Radu (PERCEPTION Team, Inria, Universite ́ Grenoble Alpes, Montbonnot, France)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 42  号： 9  ページ： 2065-2081  発行年： 2020年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 深層学習革命化データ科学,および最近,その人気は,深いネットワークを用いた論文の量と同様に,指数的に成長している。人間の姿勢推定のような視覚作業は,この傾向から脱出しなかった。ネットワークアーキテクチャの小さい変化,あるいはデータ前処理において,最適化手順の確率的性質と共に,多数の深いモデルがあり,著しく異なる結果を生み出し,他者よりも著しく性能が優れている。この状況は,現在の研究を動機し,そこでは,バニラ深層回帰の系統的評価と統計解析,すなわち線形回帰トップ層を持つ畳み込みニューラルネットワークを遂行する。これは,深回帰技術の最初の包括的解析である。4つの視覚問題に関する実験を行い,また,もしあれば,結果の統計的有意性と同様に,中央値性能のための信頼区間を報告した。驚くべきことに,異なるデータ前処理手順による変動性は,ネットワークアーキテクチャの修正による変動性を一般的に排除する。著者らの結果は,一般的に,一般目的ネットワーク(例えば,VGG-16またはResNet-50)は,より複雑でアドホックな回帰モデルに頼ることなく,最先端技術に近い結果をもたらすことができるという仮説を補強する。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： 最適化 ,  視覚 ,  *ネットワーク ,  バニラ ,  回帰モデル ,  深層 ,  ネットワークアーキテクチャ
準シソーラス用語： 線形回帰 ,  姿勢推定 ,  データ前処理 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 解析