文献

J-GLOBAL ID：202002235530599004   整理番号：20A0957508

シーン認識のための畳込み特徴の階層的符号化【JST・京大機械翻訳】

Hierarchical Coding of Convolutional Features for Scene Recognition

著者 (5件)： Xie Lin (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai, China) ,  Lee Feifei (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai, China) ,  Liu Li (School of Information Engineering, Nanchang University, Nanchang, China) ,  Yin Zhong (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai, China) ,  Chen Qiu (Major of Electrical Engineering and Electronics, Graduate School of Engineering, Kogakuin University, Tokyo, Japan)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 22  号： 5  ページ： 1182-1192  発行年： 2020年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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： 畳込みニューラルネットワーク(CNNs)は,画像ネットのような大規模画像データセットの利用可能性のため,視覚認識において大きな成功を達成した。挑戦的なシーン認識への畳込み特徴の伝達はオープン問題のままである。多重非線形変換は,豊富な情報を伴う畳込み特徴を与える。他方では,CNNsはシーンの全体的外観を捉えることにおいてatであるが,いくつかの重要な局所的詳細の欠如は認識精度を低下させる可能性がある。これらの問題を解決するために,効果的表現を学習するための新しい階層的符号化アルゴリズムを提案した。スケール変動を適応させるために,全画像からサンプリングされた様々なスケールを持つ多くの有用なパッチが十分な詳細を提供すると考えられる。畳込み特徴に基づく非負スパース分解モデル(NNSD)を提案し,各スケールに対する鋭い成分を学習し,さらに大域的特徴を生成した。グローバル署名に基づいて,クラス間線形符号化(ICLC)を提案して,識別成分と究極画像表現を学習した。実験結果は,著者らの方式が一般的CNNモデルと比較して認識精度を著しく向上させて,5つの標準ベンチマークに関して優れた性能を達成することを示した。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： アルゴリズム ,  *畳込み ,  線形符号 ,  多重化 ,  視認 ,  ベンチマーク
準シソーラス用語： 画像データ ,  階層符号化 ,  画像表現 ,  認識精度 ,  非線形変換 ,  *シーン理解 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： シーン認識 ,  畳込み ,  階層的符号化