抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
微細粒画像分類は,深層学習技術の利点から大きな改善を見た。ほとんどの細粒画像分類法は,識別特徴を抽出し,大域的特徴を局所のものと組み合わせることに焦点を合わせる。しかし,分類精度はクラス間類似性と内部クラス発散により制限され,また,微細粒クラスに一般化できる深いネットワークを訓練するための十分なラベル付き画像の欠如により制限される。これらの問題に対処するため,著者らは,学習注意(LA)と相互情報(MMI)を最大化するアルゴリズムを開発した。同じ物体を含む画像対から知識を蒸留するためにMMIを利用した。一方,情報蒸留を強化するための画像の顕著な領域を見つけるために,LA機構を利用した。本モデルは,より識別的な意味特徴を抽出でき,細粒画像分類に関する性能を向上させることができる。著者らのモデルは対称構造を持ち,そこでは,ペア画像を同じネットワークに入力して,後続のMMIとLAモジュールのために局所的および大域的特徴を抽出した。相互情報を最大化することによりモデルを訓練し,交互に,交差エントロピー段階を最小化する。実験は,著者らのモデルが微細粒画像分類の性能を効果的に改良することができることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】