低データ領域における画像分類のための補助分類器GANの潜在能力の調査【JST・京大機械翻訳】

Dravid Amil; Schiffers Florian; Wu Yunan; Cossairt Oliver; Katsaggelos Aggelos K.

プレプリント

J-GLOBAL ID：202202217904215655 整理番号：22P0278280

低データ領域における画像分類のための補助分類器GANの潜在能力の調査【JST・京大機械翻訳】

Investigating the Potential of Auxiliary-Classifier GANs for Image Classification in Low Data Regimes

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 (5件)： , , , ,
資料名：
発行年： 2022年01月22日プレプリントサーバーでの情報更新日： 2022年01月22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)

生成的敵対ネットワーク(GAN)は,画像分類タスクに関するデータセットとブースティングニューラルネットワーク(CNN)性能の強化において有望性を示した。しかし,それらは,CNNへの補足を訓練するための追加時間と計算電力の必要性と同様に,より多くのハイパーパラメータを導入する。本研究では,特に低データ領域において,画像分類のための「ワンストップショップ」アーキテクチャとしてのAuxiliary-Classifier GAN(AC-GAN)の可能性を調べた。さらに,著者らは,典型的なAC-GANフレームワークへの修正,発電機の潜在空間サンプリング方式を変化させ,画像合成と分類の同時訓練を安定化するために,勾配ペナルティによるWasserstein損失を採用した。種々の分解能と複雑性の画像に関する実験を通して,AC-GANが画像分類において有望であり,標準CNNとの競合性能を達成することを示した。これらの方法は,大量の訓練データがない場合に特別な有用性を有する「オールインワン」フレームワークとして採用できる。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, , , , ,

前のページに戻る