文献

J-GLOBAL ID：202002278618175170   整理番号：20A0789451

オフライン手書き数学表現のクラスタリングのためのCNNベース空間分類特徴【JST・京大機械翻訳】

CNN based spatial classification features for clustering offline handwritten mathematical expressions

著者 (4件)： Nguyen Cuong Tuan (Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology, 2-24-16 Naka-cho, Koganei-shi, Tokyo 184-8588, Japan) ,  Khuong Vu Tran Minh (Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology, 2-24-16 Naka-cho, Koganei-shi, Tokyo 184-8588, Japan) ,  Nguyen Hung Tuan (Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology, 2-24-16 Naka-cho, Koganei-shi, Tokyo 184-8588, Japan) ,  Nakagawa Masaki (Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology, 2-24-16 Naka-cho, Koganei-shi, Tokyo 184-8588, Japan)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 131  ページ： 113-120  発行年： 2020年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間のマーカーが手書きの数学的表現(HMEs)の多くの回答をマークするのを助けるために,それらをクラスタ化することにより,より効率的で信頼できるようになる。しかし,HMEsをクラスタ化することは,HME画像のための数学的シンボルの局在化と分類表現の両方を抽出する問題に直面し,2つのHME画像間の距離を定義する。最初に,HMEに対する表現を抽出するために,畳込みニューラルネットワーク(CNN)に基づく方法を提案した。様々なスケールにおけるシンボルは,マルチスケールCNNからの特徴の組合せによって位置づけられ,分類される。著者らは,局所化と分類予測を強化するために,シンボル注意と組み合わせた弱い教師つき訓練を使用した。第二に,HMEsをクラスタ化するための二つの表現間のマルチレベル空間距離を提案した。CROHME 2016およびCROHME 2019データセットに関する実験は,それぞれ,純度において0.99および0.96の有望な結果を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教師つき学習 ,  *クラスタ化 ,  純度
準シソーラス用語： マルチレベル ,  マルチスケール ,  畳込みニューラルネットワーク ,  *手書き ,  オフライン , 【Automatic Indexing@JST】

著者キーワード (6件)： クラスタリング ,  画像 ,  オフライン手書き ,  数学的表現 ,  CNN ,  弱教師つき学習

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 (7件)： オフライン ,  手書き ,  数学 ,  表現 ,  クラスタリング ,  CNN ,  分類