文献

J-GLOBAL ID：202202213186608541   整理番号：22A0689293

果実画像分類のためのCNN-RNN-LSTMを用いた統合アプローチ【JST・京大機械翻訳】

An integrated approach using CNN-RNN-LSTM for classification of fruit images

著者 (2件)： Gill Harmandeep Singh (Department of Computer Science & Engineering, Guru arjan dev Khalsa college, Chohla Sahib (T.T) Punjab, India) ,  Khehra Baljit Singh (Department of Computer Science & Engineering, Baba Banda Singh Bahadur Engineering College, Fatehgarh Sahib, Punjab, India)
資料名： Materials Today: Proceedings  (Materials Today: Proceedings)
巻： 51  号： P1  ページ： 591-595  発行年： 2022年 
JST資料番号： W3531A  ISSN： 2214-7853  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 技術の進歩により,コンピュータとマシンビジョンシステムは,ここ数年,農業部門に含まれている。深層学習は人工知能分野における最近の進展である。この時代において,多くの研究者は画像の分類のために深い学習アプリケーションを使用し,コンピュータビジョンにおける新興領域の1つであることが分かった。果実画像の分類において,主目的は分類システムの精度を改善することである。分類器の精度は,取得した画像の性質,特徴の数,特徴のタイプ,抽出した特徴からの最適特徴の選択,および用いた分類器のタイプのような様々な因子に依存する。本論文では,果実画像の分類のためのCNN,RNN,およびLSTMの統合を定義した。このアプローチでは,CNNとRNNをそれぞれ識別特性と逐次ラベルの開発に使用した。LSTMは,分類の各間隔で学習を符号化するためのメモリセルの統合による説明を示す。精度,F測度,感度,および特異性を,提案した方式の達成を評価するために適用した。経験的結果から,提供した分類法が効率的な結果を与えると宣言された。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  学習 ,  農業 ,  記憶素子 ,  精度 ,  *画像 ,  人工知能 ,  応用プログラム ,  コンピュータビジョン ,  コンピュータ ,  機械学習
準シソーラス用語： 分類法 ,  *画像分類 ,  特異性 ,  マシンビジョン ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： CNN ,  RNN ,  LSTM ,  統合アプローチ ,  果実分類

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 果実 ,  画像分類 ,  CNN ,  RNN ,  LSTM ,  統合