文献

J-GLOBAL ID：202102254789855378   整理番号：21A1300155

肺炎からCOVID-19への移行学習【JST・京大機械翻訳】

Transfer Learning from Pneumonia to COVID-19

著者 (3件)： Lu Hongen (Victoria University,College of Engineering and Science,Melbourne,VIC,Australia,8001) ,  Hewakankanamge Sandini Anuradha (Victoria University,College of Engineering and Science,Melbourne,VIC,Australia,8001) ,  Miao Yuan (Victoria University,College of Engineering and Science,Melbourne,VIC,Australia,8001)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CSDE  ページ： 1-6  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： COVID-19感染の検出と研究を支援するための知的応用の開発は,利用可能なデータと急速に変化するウイルスの不足を考えると,この流行の間に重要で緊急である。本論文では,画像分類における移動学習の研究を提示し,1つの領域から事前訓練されたモデルを利用して,比較的新しい領域におけるアプリケーションのためのモデルを効果的に修正する3段階手順に従って,深層学習モデルを効率的に開発した。本研究の事例研究は,COVID-19X線画像の分類である。実験評価は,提案した方法と開発したモデルがタイムリーな方法で満足のいく結果を達成することを示した。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： *学習 ,  *肺炎 ,  応用プログラム ,  事例研究
準シソーラス用語： 画像分類 ,  実験評価 ,  深層学習 , 【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)： 肺炎