文献

J-GLOBAL ID：202102289696188603   整理番号：21A2818477

細粒度画像分類のための相互情報を最大化する畳込み注意ネットワーク【JST・京大機械翻訳】

Convolutional Attention Network with Maximizing Mutual Information for Fine-Grained Image Classification

著者 (5件)： Wang Fenglei ,  Zhou Hao ,  Li Shuohao ,  Lei Jun ,  Zhang Jun
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 12  号： 9  ページ： 1511  発行年： 2020年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： アルゴリズム ,  エントロピー ,  対称性 ,  *畳込み ,  学習 ,  *ネットワーク ,  蒸留 ,  類似性
準シソーラス用語： *画像分類 ,  分類精度 ,  細粒度 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像分類 ,  相互情報 ,  細粒度 ,  注意ネットワーク

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

引用文献 (41件)：

• Wu, J.; Chen, T.; Wu, H.; Yang, Z.; Luo, G.; Lin, L. Fine-Grained Image Captioning with Global-Local Discriminative Objective. arXiv 2020, arXiv:2007.10662.
• Xie, S.; Kirillov, A.; Girshick, R.B.; He, K. Exploring Randomly Wired Neural Networks for Image Recognition. In Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision (ICCV), Seoul, Korea, 27-28 October 2019; pp. 1284-1293.
• Wei, X.S.; Wu, J.; Cui, Q. Deep Learning for Fine-Grained Image Analysis: A Survey. arXiv 2019, arXiv:1907.03069.
• Zhao, B.; Feng, J.; Wu, X.; Yan, S. A survey on deep learning-based fine-grained object classification and semantic segmentation. Int. J. Autom. Comput. 2017, 14, 119-135.
• Sundaram, D.M.; Loganathan, A. A New Supervised Clustering Framework Using Multi Discriminative Parts and Expectation-Maximization Approach for a Fine-Grained Animal Breed Classification (SC-MPEM). Neural Process. Lett. 2020, 52, 727-766.

タイトルに関連する用語 (5件)： 細粒度 ,  画像分類 ,  最大化 ,  畳込み ,  注意