文献

J-GLOBAL ID：202002289502954964   整理番号：20A0074392

インスタンス層正規化によるUネット訓練【JST・京大機械翻訳】

U-Net Training with Instance-Layer Normalization

著者 (5件)： Zhou Xiao-Yun (The Hamlyn Centre for Robotic Surgery, Imperial College London, London, UK) ,  Li Peichao (The Hamlyn Centre for Robotic Surgery, Imperial College London, London, UK) ,  Wang Zhao-Yang (The Hamlyn Centre for Robotic Surgery, Imperial College London, London, UK) ,  Yang Guang-Zhong (The Hamlyn Centre for Robotic Surgery, Imperial College London, London, UK) ,  Yang Guang-Zhong (Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11977  ページ： 101-108  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： 正規化層はDeep畳込みニューラルネットワーク(DCNN)において不可欠である。様々な正規化法が提案されている。特徴マップを正規化するために用いた統計量は,バッチ,チャネル,またはインスタンスレベルで計算できる。しかし,多くの既存の方法において,各層の正規化は固定されている。バッチ距離正規化(BIN)は,2つの異なる正規化法を結合し,異なる層に対する多様な正規化を達成する最初に提案された方法の一つである。しかし,BINには2つの潜在的問題が存在する。第1に,Clip関数は0と1の入力値で微分可能ではない。第二に,結合特徴マップはDCNNにおける信号伝搬に有害な正規化分布ではない。本論文では,特徴マップ組合せのためにSigmoid関数を用い,カスケード化グループ正規化を用いることにより,距離層正規化(ILN)層を提案した。ILNの性能を,ネットワークアーキテクチャとしてUネットを用いて,Right Venticle(RV)とLeft Venticle(LV)の画像セグメンテーションに関して検証した。結果は,提案したILNが,多くの検証のために顕著な精度改善を伴う従来の一般的な正規化法より優れており,提案したILNの有効性を支持することを示した。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シグモイド関数 ,  有効性 ,  ネットワークアーキテクチャ ,  信号伝送 ,  ロット ,  チャネル ,  統計量 ,  微分 ,  *正規化
準シソーラス用語： 画像セグメンテーション ,  入力データ ,  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)： インスタンス層正規化 ,  深部畳込みニューラルネットワーク ,  U-NET ,  医用画像セグメンテーション

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  分子・遺伝情報処理  (JE15040B) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： インスタンス ,  正規化 ,  ネット ,  訓練