文献

J-GLOBAL ID：202202252919568691   整理番号：22A0980627

深層ニューラルネットワークに基づくビデオデータ集合処理のための新しい拡張法【JST・京大機械翻訳】

A New Augmented Method for Processing Video Datasets Based on Deep Neural Network

著者 (6件)： Wang Wei (College of Informatics, Huazhong Agricultural University, Wuhan, China) ,  Wang Wei (Hubei Engineering Technology Research Center of Agricultural Big Data, Wuhan, Hubei, China) ,  Wang Haiyan (College of Informatics, Huazhong Agricultural University, Wuhan, China) ,  Wang Haiyan (Hubei Engineering Technology Research Center of Agricultural Big Data, Wuhan, Hubei, China) ,  Ni Fuchuan (College of Informatics, Huazhong Agricultural University, Wuhan, China) ,  Ni Fuchuan (Hubei Engineering Technology Research Center of Agricultural Big Data, Wuhan, Hubei, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 854  ページ： 125-134  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： 優れた性能を達成するためには,深い学習のために大きなデータセットが必要である。しかし,多くの研究分野で十分な訓練データセットが不足しており,コンピュータビジョン応用の短所になる。本論文は,2つのステップに分割できる小さなデータセットを訓練するための新しいデータ増強法を提供した。情報密度に基づく非平衡サンプリング。2.スプリッシング画像はデータセットを形成する。モデル一般化をテストするために,異なる情報密度データセットの組み合わせを用いた。ラベル平滑化損失と交差エントロピー損失から成る強化損失関数を用いて,訓練モデル中のモデル選好を最小化した。最後に,同じ量のデータによって,著者らのサンプリング方法によるモデルの平均絶対誤差(MAE)は,従来のサンプリング方法と比較して55%の増加を得ることができた。最良のMAEは,スプライシング法を採用した場合,0.98に達することができた。結果は,この拡張法が小サンプルサイズ,特にビデオデータセットのシナリオに適していることを示した。最良の性能を得るために,スプライシング法は最適モデル一般化性能に対する良好な選択であった。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： エントロピー ,  損失関数 ,  *データ ,  ラベル ,  非平衡状態 ,  平滑化 ,  モデル ,  コンピュータビジョン
準シソーラス用語： 訓練データ ,  *映像データ ,  平均絶対誤差 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： サンプリング法 ,  ビデオデータセット ,  深層学習 ,  小試料 ,  データ増強

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  ビデオ ,  データ集合 ,  拡張法