文献

J-GLOBAL ID：202202279712979968   整理番号：22A1159679

バイオメトリック認証とモニタリングのためのフラクタル特徴融合の深層学習ベース画像ターゲット検出と認識【JST・京大機械翻訳】

Deep learning-based image target detection and recognition of fractal feature fusion for BIOmetric authentication and monitoring

著者 (2件)： Liu Duolin (College of Economy and Management, Shenyang Ligong University, Shenyang, Liaoning, China) ,  Teng Wei (School of Computer Science and Software Engineer, University of Science and Technology Liaoning, Anshan, Liaoning, China)
資料名： Network Modeling Analysis in Health Informatics and Bioinformatics  (Network Modeling Analysis in Health Informatics and Bioinformatics)
巻： 11  号： 1  ページ： 17  発行年： 2022年 
JST資料番号： W4796A  ISSN： 2192-6670  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： 画像検出と認識は,処理および視野における重要因子である。近年,自己学習特徴における深層学習の急速な成長は,画像研究と認識の分野で従来の研究アルゴリズムに及んでいる。経過中,これを達成する能力は深層学習の技術的特性によって決定される。これは最近普及している技術である。したがって,その変化は,あらゆる研究者の心臓ストリングに自然に影響する。また,それはまた,従来のターゲット検出と認識方法を変えることができる。深層学習とフラクタル特徴融合技術に基づく画像検出と認識アルゴリズムの現状を深く研究するために,本論文はグラフ解析,認識検出,およびモデル構築法を用いてサンプルを収集して,画像認識技術を分析して,アルゴリズムを流線して,深い学習理論に基づく画像認識アルゴリズムを作成した。SOC取得条件の下での2つのアルゴリズムモデルの認識率を研究するとき,研究結果は,scn-1アルゴリズムモデルの認識比率が96.12%に達することができて,Scn-2アルゴリズムモデルの認識比率が93.55%であり,それは収束において遅いだけではなく,全体的認識性能もscn-1のものより悪いことを示した。研究したアルゴリズムモデルの更なる最適化の過程において,最適化方法sdgとadaデルタを比較し,sdgの後の認識率は,最終的に,平均で92.89%であった。アダデルタアルゴリズムモデルの性能は,時代が36のとき安定であり,安定性後の認識率は平均で95.69%であった。次に,学習速度減衰係数a=0.94をセットして,認識率は96.12%であり,最適化アルゴリズムがパラメータ選択のために良いロバスト性を有することを示した。深層学習とフラクタル特徴融合技術から始めて,画像を正確に,そして,認識できるアルゴリズムモデルを,設計する。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Austria, part of Springer Nature 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 ,  最適化 ,  学習 ,  流線 ,  最適化手法 ,  図式解法 ,  心臓 ,  計算機アルゴリズム ,  *フラクタル ,  ロバスト性 ,  *機械学習 ,  *バイオメトリクス ,  画像認識
準シソーラス用語： 自己学習 ,  認識アルゴリズム ,  画像センシング ,  *特徴融合 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  フラクタル特徴融合 ,  ターゲット検出と認識 ,  アルゴリズムモデル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： バイオメトリック認証 ,  モニタリング ,  フラクタル ,  特徴融合 ,  深層学習 ,  ターゲット検出