深層文字認識における関連タスクのためのドメイン間およびドメイン内知識移転【JST・京大機械翻訳】

Kooverjee Nishai; James Steven; van Zyl Terence

プレプリント

J-GLOBAL ID：202202205619010987 整理番号：22P0096896

深層文字認識における関連タスクのためのドメイン間およびドメイン内知識移転【JST・京大機械翻訳】

Inter- and Intra-domain Knowledge Transfer for Related Tasks in Deep Character Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年01月02日プレプリントサーバーでの情報更新日： 2020年01月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ImageNetデータセット上の深いニューラルネットワークの事前訓練は,深層学習モデルを訓練するための一般的な実践であり,一般的に,改善された性能とより速い訓練時間をもたらす。1つのタスクに関する予訓練の技術,そして次に,新しいものに関する再訓練を,移動学習と呼ぶ。本論文では,文字認識タスクのための深層転送学習の使用の有効性を解析した。ソースとターゲットタスク間の類似性のレベルを変えて3セットの実験を行い,異なるタイプの知識転送の挙動を調査した。パラメータと特徴の両方を転送し,それらの挙動を解析した。筆者らの結果は,著者らの文字認識タスクのための従来の機械学習アプローチに対する転送学習手法を用いることにより,有意な利点が得られないことを実証した。これは,移動学習の使用が,すべての場合において,より良い実行モデルを必ずしも仮定しないことを示唆する。【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る