文献

J-GLOBAL ID：202002288015181472   整理番号：20A0875416

シーン認識のための圧縮全体畳込みニューラルネットワークに基づく記述子【JST・京大機械翻訳】

Compressed Holistic Convolutional Neural Network-based Descriptors for Scene Recognition

著者 (4件)： Wang Shuo (Harbin Institute of Technology,Harbin,China) ,  Lv Xudong (Harbin Institute of Technology,Harbin,China) ,  Ye Dong (Harbin Institute of Technology,Harbin,China) ,  Li Bing (KEDACOM,Su Zhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRAE  ページ： 135-139  発行年： 2019年 
JST資料番号： W2441A  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)

抄録/ポイント： 深い畳込みニューラルネットワーク(CNN)は,多くのコンピュータビジョンとパターン認識応用において最近広く使われている。CNNによって提供された高レベル画像記述特徴の助けを借りて,深いアーキテクチャモデルは,従来のハンド・クレーティング特徴を用いる最先端の解よりも著しく優れている。本論文では,特に視野角変化,照明変動,オクルージョン,異なる気象条件および季節のような環境変化に対するシーン認識問題に集中した。画像特徴抽出器として深い残留畳込みニューラルネットワーク(ResNet)を用いた新しいシーン認識システムを提案した。初期特徴ベクトルをネットワークの特定層から選択し,一連のポストプロセスの後に,シーン類似性測定のための最終画像ディスクリプタベクトルを得ることができた。著者らの提案した方法の性能を,古典的なFabMap法およびいくつかの他の深い学習ベースの方法と比較することによって,4つの一般的なオープンデータセットに関して評価した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  コンピュータビジョン ,  パターン認識 ,  気象条件 ,  オクルージョン ,  学習 ,  計算機アーキテクチャ
準シソーラス用語： オープンデータ ,  特徴ベクトル ,  画像特徴抽出 ,  環境変化 ,  照明変化 ,  視野角 ,  *畳込みニューラルネットワーク ,  *シーン理解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

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