文献

J-GLOBAL ID：202102287263345941   整理番号：21A0431549

生成敵対ネットワークと伝達学習に基づく花画像分類【JST・京大機械翻訳】

Flower image classification based on generative adversarial network and transfer learning

著者 (6件)： Li Xiaoxue (College of Electronic and Information Engineering, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China) ,  Lv Rongxin (College of Innovation and Entrepreneurship, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China) ,  Yin Yanzhen (College of Science, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China) ,  Xin Kangkang (Academy of Aeronautics and Astronautics, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China) ,  Liu Zeyuan (Academy of Aeronautics and Astronautics, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China) ,  Li Zhongzhi (College of Computer Science, Shenyang Aerospace University, Shenyang, Liaoning, 110136, China)
資料名： IOP Conference Series: Earth and Environmental Science  (IOP Conference Series: Earth and Environmental Science)
巻： 647  号： 1  ページ： 012180 (8pp)  発行年： 2021年 
JST資料番号： W5558A  ISSN： 1755-1307  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 従来の花分類法の分類精度が低く,深層ニューラルネットワークが大量のオリジナルデータを必要とするという問題を狙った。本論文では,生成敵対ネットワークとResNet-101転送学習アルゴリズムを組み合わせた花分類モデルを設計し,確率勾配降下アルゴリズムを用いてモデルの訓練プロセスを最適化した。国際公共花認識データセット,Oxford花-102データセットに関する実験結果は,オリジナルデータを強化することによって,花のネットワーク認識と分類の精度が向上することを示した。同時に,本論文で提案したモデルは,より高い認識精度とロバスト性で,他の従来のネットワークモデルより優れていた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *学習 ,  *ネットワーク ,  ロバスト性 ,  学習アルゴリズム
準シソーラス用語： 分類法 ,  *画像分類 ,  ネットワークモデル ,  分類精度 ,  認識精度 ,  確率勾配 ,  分類モデル ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 敵対 ,  学習 ,  花 ,  画像分類