文献

J-GLOBAL ID：202202230529942850   整理番号：22A0841896

生産システムにおける画像表現学習のための新しいデータ解析指向アプローチ【JST・京大機械翻訳】

A Novel Data Analytics Oriented Approach for Image Representation Learning in Manufacturing Systems

著者 (8件)： Liu Yue (Jiangxi College of Applied Technology, China) ,  Liu Yue (Guangzhou University, China) ,  Ma Junqi (Jiangxi College of Applied Technology, China) ,  Tao Xingzhen (Jiangxi College of Applied Technology, China) ,  Liao Jingyun (Guangzhou Panyu Polytechnic, China) ,  Wang Tao (Zhijiang College, Zhejiang University of Technology, China) ,  Chen Jingjing (Zhijiang College, Zhejiang University of Technology, China) ,  Chen Jingjing (School of Economics, Fudan University, China)
資料名： Journal of Sensors (Web)  (Journal of Sensors (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7792A  ISSN： 1687-725X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ディジタル製造の時代において,製造システムによって作り出される膨大な量の画像データを,画像処理の伝統的技術の限界(例えば時間)のために,貴重な情報を得るために,即座に取り扱うことができなかった。本論文では,画像表現学習のための新しい自己教師付き自己注意学習フレームワーク-TriLFrameを提案した。TriLFrameは畳込みネットワークと変圧器のハイブリッドアーキテクチャに基づいている。実験は,TriLFrameがImageNetデータセット上で最先端の自己監督法よりも優れ,画像Net上で学習された特徴を他の分類タスクに移すとき,競合性能を達成することを示した。さらに,TriLFrameは提案したハイブリッドアーキテクチャを検証し,強力な局所畳込み操作と長距離非局所自己注意操作を結合し,画像表現学習タスクにおいて効果的に動作した。Copyright 2022 Yue Liu et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  変圧器 ,  *学習 ,  *生産システム ,  データ ,  ネットワーク ,  分類 ,  画像処理 ,  *画像 ,  データ解析 ,  ディジタル方式 ,  計算機アーキテクチャ
準シソーラス用語： 画像データ ,  *画像表現 ,  ハイブリッドアーキテクチャ , 【Automatic Indexing@JST】

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

引用文献 (65件)：

• J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, L. Fei-Fei, "ImageNet: a large-scale hierarchical image database," 2009 IEEE Conference on Computer Vision and Pattern Recognition, Miami, FL, USA, 2009.
• K. He, X. Zhang, S. Ren, J. Sun, "Deep residual learning for image recognition," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, U.S.A, 2016.
• A. Krizhevsky, I. Sutskever, G. E. Hinton, "ImageNet classification with deep convolutional neural networks," Conference and Workshop on Neural Information Processing Systems (NeurIPS), Lake Tahoe, U.S.A, 2012.
• "There are many consistent explanations of unlabeled data: why you should average," International Conference on Learning Representations (ICLR), New Orleans, U.S.A, 2019.
• T. Miyato, S.-i. Maeda, M. Koyama, S. Ishii, "Virtual adversarial training: a regularization method for supervised and semi-supervised learning," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 41, no. 8, pp. 1979-1993, 2018.

タイトルに関連する用語 (3件)： 画像表現 ,  学習 ,  データ解析