不十分なデータの場合の他のドメインからのデータを使用した畳込みニューラルネットワークの学習【JST・京大機械翻訳】

Ha Jeonghyo; Eun Jung; Ahn Pyunghwan; Shin Dong Hoon; Kim Junmo

文献

J-GLOBAL ID：202002247181021393 整理番号：20A1944585

不十分なデータの場合の他のドメインからのデータを使用した畳込みニューラルネットワークの学習【JST・京大機械翻訳】

Learning Convolutional Neural Network Using Data from Other Domains in case of Insufficient Data

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1944585&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (5件)： , , , ,
資料名：
号： ICISS ’18 ページ： 122-126 発行年： 2018年
JST資料番号： D0698C 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)

本論文では,テストドメインにおける訓練データ数が小さい場合,異なるドメインからのデータを用いた畳み込みニューラルネットワーク(CNN)の訓練方法論について述べた。十分なデータのない分類のためのCNNの訓練は過剰適合の重大な問題をもたらし,従って一般化できない。この場合,同じオブジェクトカテゴリの大きなデータが他のドメインで利用可能であるならば,この問題を緩和することができる。テストドメインで小さなデータでCNNを訓練する方法を提案し,もう1つで大きなデータを示す。異なるドメインからのデータを用いた単一ネットワーク訓練は,性能劣化を導くことができるので,著者らは,交差ドメイン画像類似性学習としてこの問題を考察した。実験では,自然写真と3Dモデル投影である異なるドメインからの一対の画像間の類似性を計算するために,Siameseネットワークを訓練した。入力画像対が同じカテゴリーに属する確率を出力するネットワークを設計した。したがって,ネットワークは入力対間の類似性を計算でき,3Dモデルデータベースにおける各画像と比較して自然光を分類できる。ネットワーク出力は類似性を表すので,特徴ベクトル間の距離を画像のあらゆる対に対して計算しなければならない他の方法(NN分類のような)と比較して,分類のための試験時間を大幅に削減できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

パターン認識 , ニューロコンピュータ

, ,

前のページに戻る