文献

J-GLOBAL ID：202002237347219653   整理番号：20A2014143

畳込みニューラルネットワークモデルを用いた葉形状カテゴリー化【JST・京大機械翻訳】

Leaves Shape Categorization Using Convolution Neural Network Model

著者 (4件)： Mishra Sushruta (School of Computer Engineering, KIIT University, Bhubaneswar, India) ,  Koner Debjit (School of Computer Engineering, KIIT University, Bhubaneswar, India) ,  Jena Lambodar (Department of Computer Science and Engineering, Siksha ‘O’ Anusandhan (Deemed to Be) University, Bhubaneswar, India) ,  Ranjan Piyush (School of Computer Engineering, KIIT University, Bhubaneswar, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 153  ページ： 375-383  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 著者らの自然生態系において,数千の樹木があり,それらの間を識別することは非常に強靭である。植物を研究する人々は,葉の特徴を用いて, gで木の種類を認識することができる。葉タイプは機械学習を用いて自動的に分類できる。2012年には,深い学習に基づき,急速に成長している分野である。深層学習は,より実用的な技術である。今日,ハードウェアとビッグデータにおける開発に基づき,深層学習は,すべて自己学習技術である。本研究では,畳み込みニューラルネットワークベースの画像処理モデルを,葉の効果的分類のために提案した。葉の合計2500のサンプルを収集し,訓練と試験セットに分配した。その結果,提案したCNNベースの葉分類モデルは,葉のカテゴリーを正確に予測するための最適出力を示した。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像処理 ,  *ハードウェア ,  画像強調 ,  機械学習
準シソーラス用語： 自己学習 ,  ビッグデータ ,  分類モデル ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  葉分類 ,  深層学習 ,  画像増強 ,  精度率

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  モデル ,  葉 ,  カテゴリー化