文献

J-GLOBAL ID：202202279097761386   整理番号：22A0108276

画像分類を改善するためのCNNと統計的指標の融合【JST・京大機械翻訳】

Fusing CNNs and statistical indicators to improve image classification

著者 (4件)： Huertas-Tato Javier (Department of Computer Engineering Systems, Universidad Politecnica de Madrid, Madrid, Spain) ,  Martin Alejandro (Department of Computer Engineering Systems, Universidad Politecnica de Madrid, Madrid, Spain) ,  Fierrez Julian (Biometric Recognition Group-ATVS, EPS, Universidad Autonoma de Madrid, Madrid, Spain) ,  Camacho David (Department of Computer Engineering Systems, Universidad Politecnica de Madrid, Madrid, Spain)
資料名： Information Fusion  (Information Fusion)
巻： 79  ページ： 174-187  発行年： 2022年 
JST資料番号： W3167A  ISSN： 1566-2535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  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は,過去10年間コンピュータビジョンの分野を支配し,極めて強力な特徴抽出能力と優れた分類性能を示した。最先端の文献におけるこの傾向を長引かせる主な戦略は,サイズにおける更なるアップスケーリングネットワークに依存する。しかし,コストは急速に増加し,一方,性能改善は限界である。主な仮説は,情報の追加源の追加が,性能増加を助け,この手法は,より大きな訓練時間,より大きなパラメータ化空間,より高い計算資源要求を含む,より大きなネットワークを構築するより費用対効果が高いことである。本論文では,正確な画像分類のためのアンサンブル法を提案して,畳込みニューラルネットワークと手動で定義された統計的指標のセットを通して自動的に検出した特徴を融合させた。CNNの予測と統計的特徴で訓練された二次分類器の組合せを通して,より良い分類性能を安価に達成することができた。本提案を検証するために,多様なデータセットにおける5つの異なるCNNアーキテクチャと多重学習アルゴリズムを試験した。結果に従って,付加的指標とアンサンブル分類手法の包含は,すべてのデータセットにおける性能を増加させるのを助ける。コードとデータセットの両者は,https://github.com/jahuerta92/cnn-prob-ensembleでGitHubにより公的に利用可能である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  特徴抽出 ,  多重化 ,  コンピュータビジョン ,  計算機アーキテクチャ ,  パラメタリゼーション ,  学習アルゴリズム
準シソーラス用語： *画像分類 ,  低価格 ,  アップスケーリング ,  計算資源 ,  アンサンブル分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  特徴抽出 ,  アンサンブル学習 ,  データ融合 ,  統計的指標

分類 (3件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 画像分類 ,  CNN ,  統計 ,  指標 ,  融合