文献

J-GLOBAL ID：202002266792903290   整理番号：20A0592199

細粒度画像分類のためのデータ増強における雑音の有効性【JST・京大機械翻訳】

The Effectiveness of Noise in Data Augmentation for Fine-Grained Image Classification

著者 (5件)： Sun Nanyu (College of Mathematics and Informatics, South China Agricultural University, Guangzhou, GD, People’s Republic of China) ,  Mo Xianjie (College of Mathematics and Informatics, South China Agricultural University, Guangzhou, GD, People’s Republic of China) ,  Wei Tingting (College of Mathematics and Informatics, South China Agricultural University, Guangzhou, GD, People’s Republic of China) ,  Zhang Dabin (College of Mathematics and Informatics, South China Agricultural University, Guangzhou, GD, People’s Republic of China) ,  Luo Wei (College of Mathematics and Informatics, South China Agricultural University, Guangzhou, GD, People’s Republic of China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12046  ページ： 779-792  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 微妙な差異を持つサブカテゴリからの画像認識は,訓練サンプルの量と多様性の不足により困難な課題のままである。既存のデータ増強法は,完全に注釈されたデータで訓練されたモデルに依存するか,またはループ内の人間を含み,それは労働集約的である。本論文では,細粒画像分類のためにWebから大量の雑音画像を活用する簡単な手法を提案した。特徴表現のための入力画像パッチとして取られた深いモデルから始めて,最大エントロピー学習基準を最初に導入して,スコアベースのパッチ選択を改良した。次に,雑音除去手順を設計し,分類のための拡張データにおける雑音画像の有用性を検証した。雑音の有無による標準,拡張,および結合データセットに関する広範な実験により,この方法の有効性を検証した。一般的に,ベンチマークデータセット,例えばCUB-Birds,Stanford DogsおよびStanford Carsに関する比較可能な結果を達成し,各カテゴリに対して50個の拡張雑音サンプルのみを用いた。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Web【情報システム】 ,  有効性 ,  *雑音 ,  画像認識 ,  学習 ,  ベンチマーク ,  雑音除去
準シソーラス用語： 最大エントロピー ,  特徴表現 ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 細粒度画像分類 ,  データ増強 ,  最大エントロピー学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 細粒度 ,  画像分類 ,  データ増強 ,  雑音 ,  有効性