文献

J-GLOBAL ID：202202286454497942   整理番号：22A0701751

DCGANネットワークに基づく海洋データセットの設計と実装【JST・京大機械翻訳】

Design and Implementation of Marine Datasets Based on DCGAN Network

著者 (5件)： Wu Jiajing (Chifeng University,School of Mathematics and Computer Science,Chifeng,China) ,  Gu Yazhen (Chifeng University,School of Mathematics and Computer Science,Chifeng,China) ,  Li Nannan (Chifeng University,School of Mathematics and Computer Science,Chifeng,China) ,  Huo Tang (Chifeng University,School of Mathematics and Computer Science,Chifeng,China) ,  Zhang Jinlei (Chifeng University,School of Mathematics and Computer Science,Chifeng,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： SCSET  ページ： 250-254  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： 本論文では,船舶の既存のSAR画像を拡大するために,船舶検出SARデータセットに深層学習法を適用した。本論文は最初に畳み込みニューラルネットワークの基本的知識を紹介して,また,一般的畳込みニューラルネットワーク構造を導入した。第2に,本論文は,生成敵対ネットワークGANを導入して,目的関数に従ってGAN原理とネットワーク構造を分析して,GANモデルの訓練方法を導入して,GANの長所と短所を分析した。これは,上記の2つを結合したDCGANネットワークモデルを導入し,その基本的知識とネットワーク構造,およびGANモデルの改善を,詳細に訓練プロセスを紹介する。最後に,DCGANとGANにより生成された損失関数画像を比較し,教訓を要約した。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： 損失関数 ,  *ネットワーク ,  船舶 ,  ネットワーク構造 ,  目的関数
準シソーラス用語： ネットワークモデル ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (4件)： 海洋 ,  データセット ,  設計 ,  実装