文献

J-GLOBAL ID：202202276469168816   整理番号：22A0802608

深層敵対学習による大規模水中魚認識【JST・京大機械翻訳】

Large-scale underwater fish recognition via deep adversarial learning

著者 (7件)： Zhang Zhixue (College of Computer, Qinghai Normal University, Xining, China) ,  Du Xiujuan (Qinghai Provincial Key Laboratory of IoT, College of Computer, Qinghai Normal University, Xining, China) ,  Du Xiujuan (The State Key Laboratory of Tibetan Intelligent Information Processing and Application, Academy of Plateau Science and Sustainability, Xining, China) ,  Jin Long (School of Information Science and Engineering, Lanzhou University, Lanzhou, China) ,  Wang Shuqiao (College of Computer, Qinghai Normal University, Xining, China) ,  Wang Lijuan (College of Computer, Qinghai Normal University, Xining, China) ,  Liu Xiuxiu (College of Computer, Qinghai Normal University, Xining, China)
資料名： Knowledge and Information Systems  (Knowledge and Information Systems)
巻： 64  号： 2  ページ： 353-379  発行年： 2022年 
JST資料番号： W2193A  ISSN： 0219-1377  資料種別： 逐次刊行物 (A)
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： 水中環境で捕獲された画像からの魚類種認識は,魚類資源評価,海洋生態系分析,および環境研究のような多くの自然科学研究において重要な役割を果たす。しかし,水中画像の雑音特性は,高性能魚認識モデルを訓練するのを困難にする。本研究では,雑音の多い大規模水中画像から正確な深層ニューラルネットワーク魚認識モデルを訓練するために,AdvFishと呼ばれる新しい深い敵対学習フレームワークを提案した。ノイズを緩和するために,特徴工学または暗黙の機械学習技術に依存する既存の方法とは異なり,AdvFishは,提案した適応摂動法によって,敵対的に摂動された画像上でモデルを訓練する最小-最大2レベル敵対的最適化フレームワークである。多重ベンチマークデータセット上で,AdvFishは既存の方法/モデル,特に雑音の多い大規模データセットに対して明確な利点を保持することを示した。AdvFishは,極めて雑音の多い画像からより良い認識モデルを訓練できる一般的な学習フレームワークである。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  *学習 ,  *魚類 ,  画像 ,  雑音特性 ,  多重化 ,  摂動法 ,  機械学習 ,  認知モデル
準シソーラス用語： 海洋生態系 ,  資源評価 ,  機械学習技術 ,  大規模データセット ,  深層学習 ,  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 (3件)： 水中魚認識 ,  深層学習 ,  敵対的学習

分類 (3件)： 人工知能  (JE08000Z) ,  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 (5件)： 深層 ,  敵対 ,  学習 ,  大規模 ,  水中