文献

J-GLOBAL ID：202202268152707494   整理番号：22A0980840

DSVMに基づくマルチクラス水中画像認識【JST・京大機械翻訳】

Multi-class Underwater Image Recognition Based on DSVM

著者 (2件)： Xu Jian (Harbin Engineering University, Harbin, China) ,  Zhang Gaoxing (Harbin Engineering University, Harbin, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 1398-1408  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： 水中画像認識は非常に挑戦的なタスクである。小さなサンプルサイズと貧弱な画像品質の問題を克服するために,著者らは新しい深いサポートベクトルマシン(DSVM)アルゴリズムを提案した。この方法は特徴次元を低減し,雑音を除去した。さらに,ネットワーク集合における異なるカーネル関数は,複数タイプのターゲットの特徴分布への適応に役立つ。本論文では,まず新しいDSVMネットワークを提案した。次に,著者らは,マルチ分類を達成するために,アンサンブルと「1対1」(O-v-O)方式を使用した。最後に,提案した方法の有効性を評価するために,3つのデータセットに関する検証実験を行った。実験結果は,提案したDSVMアルゴリズムが,効果的に過剰適合を避けて,複数タイプの水中ターゲット画像の認識における認識比率を改良することができることを示した。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： アルゴリズム ,  雑音 ,  ネットワーク ,  画質 ,  有効性 ,  機械学習 ,  *サポートベクトルマシン
準シソーラス用語： アンサンブル学習 ,  Kernel関数 ,  認識率 ,  検証実験 ,  *水中画像 ,  小サンプルサイズ , 【Automatic Indexing@JST】

著者キーワード (4件)： DSVM ,  アンサンブル学習 ,  マルチクラスSVM ,  水中画像認識

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： マルチ ,  クラス ,  水中画像