グリッド構造を用いた画像分類のための多層畳み込みニューラルネットワーク

武田 敦志  
(FIT2017推薦論文)

誌名
電子情報通信学会論文誌 D   Vol.J101-D   No.11   pp.1482-1493
発行日: 2018/11/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2018JDT0002
論文種別: 論文
専門分野: バイオサイバネティックス,ニューロコンピューティング
キーワード: 
ニューラルネットワーク,  画像認識,  画像分類,  深層学習,  

本文: PDF(1.1MB)
>>論文を購入


あらまし: 
近年の多層畳み込みニューラルネットワークの研究により,画像分類における畳み込みニューラルネットワークの性能を向上させるためには汎化性能の改善が重要であることが判明した.そこで,本論文では,高い汎化性能をもつ多層畳み込みニューラルネットワークであるSwGridNetを提案する.SwGridNetは,多数の畳み込み計算ユニットをグリッド状に配置した畳み込みニューラルネットワークであり,入力と出力の間に複数の計算経路が存在するように設計されている.本論文では,SwGridNetの構成と特徴について述べる.また,画像分類のデータセットであるCIFARを用いてSwGridNetの画像分類性能を評価し,CIFAR-10の画像分類のエラー率が2.95%であり,CIFAR-100の画像分類のエラー率が15.67%であることを確認した.これらの結果は,SwGridNetの画像分類性能が現在(2018年3月)の最新手法と同等であることを示している.