文献

J-GLOBAL ID：202102259210549477   整理番号：21A0690873

深層学習ネットワークを用いたテルグ文字の性能解析【JST・京大機械翻訳】

Performance Analysis of Telugu Characters Using Deep Learning Networks

著者 (5件)： Aarthi R. (Department of Computer Science and Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Varma R. S. Manoj (Department of Computer Science and Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Vaishnavi J. Sree (Department of Computer Science and Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Prashanth N. V. S. (Department of Computer Science and Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Srikar G. Teja (Department of Computer Science and Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 711  ページ： 311-322  発行年： 2021年 
JST資料番号： W5070A  ISSN： 1876-1100  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： 文字認識は,コンピュータを用いて手書きまたは光学特性を認識するための活発な研究領域である。世界における言語の数は,約7000であり,それは特性を取り扱うために異なる技術を必要とする。異なるツールは,画像の形でスキャンされた文書を得ることを助け,次に,技術を使用して特性を認識する。本論文では,畳み込みニューラルネットワーク(CNN)モデルを52のTelgu特性を認識するために提案する。提案モデルの性能は,Adam,Adagrad,Ada δ,および確率的勾配降下などの最適化器によって評価された。前処理段階も,精度の向上に支持された。CNNモデルをVGG-16と比較し,得られた精度は少ない。提案したCNNモデルのAdamにより90.8%の最高精度を達成した。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光学的性質 ,  最適化 ,  畳込み ,  言語 ,  *ネットワーク ,  前処理 ,  ニューラルネットワーク ,  文字認識 ,  *性能分析 ,  コンピュータ
準シソーラス用語： 高精度化 ,  転移学習 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 文字認識 ,  深層学習 ,  畳込み ,  ニューラルネットワーク ,  最適化装置 ,  転移学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 深層学習 ,  文字 ,  性能解析