文献

J-GLOBAL ID：202102237173112596   整理番号：21A1145759

ビッグ画像データのための高速で効果的なオブジェクト分類【JST・京大機械翻訳】

Fast and Effective Object Classification for Big Image Data

著者 (3件)： Xie Jia (University of Science and Technology of China,School of Computer Science and Technology,Hefei,China) ,  Wan Shouhong (University of Science and Technology of China,School of Computer Science and Technology,Hefei,China) ,  Jin Peiquan (University of Science and Technology of China,School of Computer Science and Technology,Hefei,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 5852-5854  発行年： 2020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： 大きな画像データの分類は,大きなデータ技術の必須分野である。ビッグ画像データ分類は,顔認識,物体検出,および人間姿勢認識のような広範囲の応用を有する。大きい画像データ分類のための伝統的方法は,通常,ニューラルネットワークにおける特徴の異なるレベルの間の密接な接続を無視する。本論文では,マルチレベル特徴接続ネットワーク(MFC-Net)を通して以前の方法を改善する,大きな画像データ分類のための新しい方法を提案した。MFC-Netは,分類のためにより有用な特徴をマイニングするために,マルチレベル特徴接続モジュールを示した。実験は,MFC-Netが,古典的データセットPascal VOCとMicrosoft COCOにおいて,そのベースラインSSD(Single Shot Multibox Detector)と他の先進分類ニューラルネットワークを著しく改善することを示した。Copyright 2021 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 ,  ニューラルネットワーク ,  基準線
準シソーラス用語： 画像データ ,  マルチレベル ,  物体検出 ,  姿勢認識 ,  データ分類 ,  *オブジェクト分類 , 【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 (1件)： オブジェクト分類