文献

J-GLOBAL ID：202202286210131529   整理番号：22A0978950

畳込みオートエンコーダのための多重並列エンコーダによる潜在特徴抽出と抽出【JST・京大機械翻訳】

Latent Feature Separation and Extraction with Multiple Parallel Encoders for Convolutional Autoencoder

著者 (3件)： Kim Jaehyun (Ajou University,Dept. Artificial Intelligence,Suwon,Republic of Korea) ,  Kim Myungjun (Ajou University,Dept. Artificial Intelligence,Suwon,Republic of Korea) ,  Shin Hyunjung (Ajou University,Dept. Artificial Intelligence Dept. Industrial Engineering,Suwon,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： BigComp  ページ： 263-266  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 実世界画像データの多くはラベルなしまたは誤ラベル化されている。したがって,類似の画像を画像データ自体と一緒にグループ化でき,ラベルとしてグループを用いても,ラベルがないとしても,より多くの画像データを様々なタスクで効果的に使用できる。これは,サブグループに同じドメインに属する画像を分割するとき特に有効である。したがって,本研究では,画像クラスタリングに用いる画像特徴抽出法を提案した。提案した特徴抽出モデルは,畳込み自動符号器(CAE)に基づく並列の多重符号器から成るモデルであるマルチヘッド畳込み自動符号器(MCAE)である。提案モデルはCAEと比較して約14%低い試験再構成損失を示し,抽出された特徴間の相関係数は約56%低かった。さらに,抽出された特徴に基づくクラスタリングの結果,MCAEベースのクラスタリングは,CAEベースのクラスタリングよりも約3.5倍高いシルエットスコアを示した。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： *畳込み ,  *特徴抽出 ,  相関係数 ,  *多重化 ,  *符号器 ,  再構成
準シソーラス用語： 画像データ ,  シルエット ,  画像特徴抽出 ,  画像クラスタリング ,  *自己符号化器 , 【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)： 畳込み ,  オートエンコーダ ,  多重 ,  エンコーダ ,  特徴抽出