文献

J-GLOBAL ID：202202257662608745   整理番号：22A0780962

CMSEA:細粒度画像分類のための効率的な注意による複合モデルスケーリング【JST・京大機械翻訳】

CMSEA: Compound Model Scaling With Efficient Attention for Fine-Grained Image Classification

著者 (2件)： Guang Jinzheng (College of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China) ,  Liang Jianru (College of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 18222-18232  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 細粒画像分類の目的は,同じ基本レベルカテゴリーに属するサブカテゴリを識別することである。それは,異なるサブカテゴリ(例えば,色とテクスチャ)の間の小さなクラス間分散と,同じサブカテゴリ(例えば,姿勢と視点)における大きなクラス内分散のために,近年コンピュータビジョンの分野において挑戦的な話題であった。本論文では,モデルスケーリングにおける幅,深さ,および画像解像度の様々な次元を慎重にバランスさせる,細粒画像分類のための効率的な注意(CMSEA)による複合モデルスケーリングを提案した。さらに,提案方法は,識別領域から微妙な特徴を効率的に学習するために,付加的計算低注意モジュールを利用する。さらに,正則化とデータ増強を用いて訓練の精度を改善した。大規模な実験は,CMSEAが,CUB-200-2011,FGVC-航空機,およびStanford Carsデータセットにおいて,それぞれ,90.63%,94.51%,および95.19%の精度を達成することを実証した。特に,CUB-200-2011上のCMSEAは,元の手法よりも18%少ないネットワークパラメータで2.3%高い精度を得た。その結果,著者らの方法は,ほとんどの既存の方法と比較して,より良い精度とパラメータ効率を持った。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 効率 ,  カテゴリー ,  航空機 ,  特性 ,  分解能 ,  認識 ,  コンピュータビジョン ,  正則化 ,  *スケーリング【計数】
準シソーラス用語： *画像分類 ,  細粒度 ,  画像解像度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 細粒度 ,  画像分類 ,  注意 ,  複合モデル ,  スケーリング