文献

J-GLOBAL ID：201702281544102309   整理番号：17A0448167

深い畳込みニューラルネットワークを用いたPhotograph審美評価と分類【Powered by NICT】

Photograph aesthetical evaluation and classification with deep convolutional neural networks

著者 (11件)： Tan Yunlan (School of Electronics and Information Engineering, Jinggangshan University, Ji’an, Jiangxi, China) ,  Tan Yunlan (Key laboratory of watershed ecology and geographical environment monitoring, National Administration of Surveying, Mapping and Geoinformation, Ji’an, Jiangxi, China) ,  Tan Yunlan (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Tang Pengjie (Key laboratory of watershed ecology and geographical environment monitoring, National Administration of Surveying, Mapping and Geoinformation, Ji’an, Jiangxi, China) ,  Tang Pengjie (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Zhou Yimin (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Luo Wenlang (School of Electronics and Information Engineering, Jinggangshan University, Ji’an, Jiangxi, China) ,  Luo Wenlang (Key laboratory of watershed ecology and geographical environment monitoring, National Administration of Surveying, Mapping and Geoinformation, Ji’an, Jiangxi, China) ,  Kang Yongping (School of Electronics and Information Engineering, Jinggangshan University, Ji’an, Jiangxi, China) ,  Kang Yongping (Key laboratory of watershed ecology and geographical environment monitoring, National Administration of Surveying, Mapping and Geoinformation, Ji’an, Jiangxi, China) ,  Li Guangyao (College of Electronics and Information Engineering, Tongji University, Shanghai, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 228  ページ： 165-175  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： デジタル写真および多くの関連する応用の成長に対応して,研究者は写真の自動美的評価と分類を提供するための方法が盛んに検討されている。美的品質を認識するための計算ネットワークでは,学習アルゴリズムは既知の美的価値を持つことを特性の試料セットを用いて訓練されなければならない。この訓練を開発するための伝統的方法は,実際データセットにおける使用のための美的特徴の抽出を必要とした。畳込みニューラルネットワーク(CNN)の豊富な出現により,ネットワークは自動的に学習した特徴,評価と分類のための重要なツールとして作用した。本研究時に,写真美的分類のためのいくつかの既存の畳込みニューラルネットワークは,浅い深さネットワーク,性能の改善を制限することを使用しただけであった。添加において,多くの方法は,訓練サンプル,各画像から小型作物のようなただ一つのパッチを抽出した。しかし,単一パッチは全画像を正確に表さない,これはトレーニング中のあいまいさを引き起こす可能性がある。より,既存のデータセットに対して,各カテゴリーの高品質画像の数は大部分が深いCNNネットワークを訓練するためには小さすぎる。これらの問題を解決するために,我々は細粒度美的品質予測のための深く広いCNNを持つ新しい写真美的分類器を導入した。最初に,美的品質評価のための適切なデータセットを構築するためにDPChallenge.com(良く知られたオンライン写真門)から多数の消費者写真の画像をダウンロードする。,双線形内挿と作物10パッチ(センター+四角+フリッピング)による画像256×256にズームした。画像の訓練ラベルを有する一組に関連すると,著者らは微調整ネットワークへのパッチのバッグを持つ画像を摂食した。著者らの提案した計算法は写真を分類高および低美的価値に構成されている。出力(0, 1)を特定する訓練パターンは対応する画像は「低美的品質」セットに属することを示す。同様に,(1,0)の出力を用いた訓練パターンは対応する像を「高度な美的な資質」セットに属することを示す。実験結果は,この方法によって提供された分類の精度は87.10%より大きいことを示し,これは最先端の方法よりも著しく良好であった。さらに,我々の実験は,著者らの結果は,人間の視知覚と美的判断と一致する基本的であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 線形性 ,  画像 ,  *畳込み ,  内挿法 ,  品質 ,  視知覚 ,  *ニューラルネットワーク ,  *ネットワーク ,  消費者 ,  曖昧さ ,  学習アルゴリズム
準シソーラス用語： オンライン ,  品質評価 ,  高品質 ,  ディジタル写真 , 【Automatic Indexing@JST】

著者キーワード (8件)： 画像美学 ,  品質評価 ,  高美学 ,  低美学 ,  画像分類 ,  深い畳込みニューラルネットワーク ,  GoogLeNet ,  特徴表現

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  審美 ,  評価 ,  分類