抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
カプセルネットワーク(CapsNet)は,深いニューラルネットワークのための新しい構造であり,スカラーよりもむしろベクトルとマトリックスにターゲットインスタンスの領域をマッピングする。このプロセスは,従来のCNNよりも少ないパラメータでよりロバストな容量を達成するために,CapsNetを支援する動的ルーティングアルゴリズムにより可能になる。しかしながら,カプセルの一つの欠点は,画像中のあらゆるものを考慮することであり,背景が合理的なサイズのネットでモデル化するのにあまりに変化するとき,性能が悪くなることである。著者らは,この問題を解決するために,厳しいスクッシュ(MLSCN)を有するマルチ車線カプセルネットワークを提案した。MLSCNにおいて,著者らは新しいカプセルベースのネットワーク構造を設計して,二乗関数を置き換えて,ドロップアウトの実用化を最適化した。本論文で提案した修正を検証するために,MNIST,affNISTおよびCIFAR10を含む3つの公開データセットに関する広範な実験を行った。アブレーション実験も行い,MLSCNの各成分の寄与を分析した。実験結果により,MLSCNは,多重ベンチマークにおいて元のCapsNetより優れていることを示した。著者らのモデルは,CIFAR10の分類精度を約17%に上げ,元のCapsNetと比較して無視できるパラメータの増加を示した。その上,提案したモデルは65.37%の精度を達成し,一方,オリジナルのCapsNetはMNIST-BC上で41.62%だけである。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】