機械知覚&ロボティクスグループ
中部大学

解説&サーベイ

物体認識のための畳み込みニューラルネットワークの研究動向

1章 はじめに 2章 ILSVRCで振り返るCNNの進化 3章 最新のCNN改良手法 4章 各モデルの精度および処理速度の検証 5章 まとめ

Download: PDF (Japanese)

電子情報通信学会論文誌に採録されました.

2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降, 画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった. ILSVRCでは毎年のように新たなCNNのモデルが提案され, 一貫して認識精度の向上に寄与してきた. CNNは画像分類だけではなく, セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では,AlexNet以降の代表的なCNNの変遷を振り返るとともに, 近年提案されている様々なCNNの改良手法についてサーベイを行い, それらを幾つかのアプローチに分類し, 解説する. 更に, 代表的なモデルについて複数のデータセットを用いて学習および網羅的な精度評価を行い, 各モデルの精度および学習時間の傾向について議論を行う.

 
1章 はじめに
2章 ILSVRCで振り返るCNNの進化
3章 最新のCNN改良手法
4章 各モデルの精度および処理速度の検証
5章 まとめ
 

 
[サーベイ論文]物体認識のための畳み込みニューラルネットワークの研究動向(pdf)

次の研究