文献

J-GLOBAL ID：202202231532265192   整理番号：22A0862733

方向プーリングと共分散プーリングに基づく回転不変畳込みニューラルネットワーク【JST・京大機械翻訳】

Rotation Invariant Convolutional Neural Network Based on Orientation Pooling and Covariance Pooling

著者 (4件)： Yao Xiaoqin (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunsications, Chongqing, China) ,  Song Tiecheng (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunsications, Chongqing, China) ,  Zeng Jingying (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunsications, Chongqing, China) ,  Xie Yangming (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunsications, Chongqing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 813  ページ： 433-443  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は様々な視覚タスクにおいて有望な性能を示した。しかし,畳み込み演算を用いることにより,CNNは入力画像の配向変化を扱う能力を制限した。この問題を軽減するために,データ増強を典型的に使用する。しかし,この解は追加の計算と貯蔵コストをもたらし,回転不変性に関する十分な理論的保証を持たない。表現学習のための高次情報を利用することなく,一次特徴を考慮した代替解法を提案した。本論文では,回転画像を分類するために,方位プールと共分散プールに基づくエンドツーエンド回転不変CNN(RICNN)を提案した。特に,最大OPと平均OPを含む2種類の配向プール(OP)を用いて回転不変特徴マップを抽出するため,深い回転フィルタを学習した。さらに,回転不変階層的二次特徴を抽出するために共分散プールを採用した。2つのデータセットに関する実験は,回転不変画像分類のためのRICNNの有効性を実証した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *畳込み ,  情報 ,  分類 ,  地図 ,  *ニューラルネットワーク ,  演算 ,  *共分散 ,  画像 ,  回転不変性 ,  エンドツーエンド方式 ,  有効性 ,  機械学習
準シソーラス用語： 画像分類 ,  特徴マップ ,  *畳込みニューラルネットワーク ,  表現学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 回転不変性 ,  CNN ,  プーリング ,  共分散 ,  分類

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 共分散 ,  不変 ,  畳込みニューラルネットワーク