文献

J-GLOBAL ID：202002284388058271   整理番号：20A0670643

深顔認識のための注意ベース畳込みニューラルネットワーク【JST・京大機械翻訳】

Attention-based convolutional neural network for deep face recognition

著者 (5件)： Ling Hefei (Huazhong University of Science and Technology, Wuhan, Hubei Province, China) ,  Wu Jiyang (Huazhong University of Science and Technology, Wuhan, Hubei Province, China) ,  Huang Junrui (Huazhong University of Science and Technology, Wuhan, Hubei Province, China) ,  Chen Jiazhong (Huazhong University of Science and Technology, Wuhan, Hubei Province, China) ,  Li Ping (Huazhong University of Science and Technology, Wuhan, Hubei Province, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 79  号： 9-10  ページ： 5595-5616  発行年： 2020年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： 識別特徴埋込みは大規模顔認識の分野において極めて重要である。本論文では,チャネル間の情報冗長性を低減し,空間特徴マップの最も有益な構成要素に焦点を合わせることを目的とした,識別顔特徴埋込みのための注意ベース畳込みニューラルネットワーク(ACNN)を提案した。より具体的には,提案した注意モジュールはチャネル注意ブロックと空間的注意ブロックから成り,チャネルと空間領域の特徴マップを適応的に集約し,チャネル間関係行列と空間間関係行列を学習し,次に行列乗算を精密化とロバストな顔特徴に対して行った。著者らは,著者らが提案した注意モジュールによって,著者らは,ResNet-50のような標準畳込みニューラルネットワーク(CNNs)を作ることができて,ResNet-101は,深い顔認識のためにより多くの識別力を持った。Wild(LFW),Ageデータベース(AgeDB),Frontal Profile(CFP)とMegaFace Challenge 1(MF1)におけるラベル付きFacesの実験は,提案したACNNアーキテクチャが一貫して未処理のCNNsより優れており,最先端の性能を達成することを示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  データベース ,  チャネル ,  ロバスト性 ,  精密化 ,  *計算機アーキテクチャ
準シソーラス用語： 特徴マップ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 弁別特徴埋め込み ,  注意ベースCNN ,  チャネル注意ブロック ,  空間的注意ブロック

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 顔認識 ,  注意 ,  畳込みニューラルネットワーク