지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국지능시스템학회 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.17 No.2
- 발행연도
- 2017.6
- 수록면
- 98 - 106 (9page)
- DOI
- 10.5391/IJFIS.2017.17.2.98
이용수
초록· 키워드
오류제보하기
This paper proposes a convolutional neural networks (CNN) output optimization method to improve accuracies of low-accuracy classes. Since CNN classifiers are trained by datasets whose data distributions of individual classes are not even or similar, they have always suffered from imbalanced classification performances against classes. In this study, CNN output probabilities are optimized by applying weights and biases as if there is an additional layer after the softmax. We formulated the equations to optimize weights and biases for performance improvement. A na¨ıve optimization did not worked well, so we devised a more elaborated optimization to focus on the competitive probability range and low accuracy classes. As a result, the classification accuracies of lowest 20% classes in accuracy are improved 1.27% on average while maintaining the total accuracy.
목차
Abstract
1. Introduction
2. CNN Output Optimization
3. Elaborated Optimization
4. Performance Evaluation
5. Conclusions
References
참고문헌 (22)
참고문헌 신청
Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, “Gradientbased learning applied to document recognition,” Proceedings of the IEEE, vol. 86, no. 11, pp. 2278-2324, 1998. https://doi.org/10.1109/5.726791
A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet classification with deep convolutional neural networks,” Advances in Neural Information Processing Systems, pp. 1097-1105, 2012.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” 2015. Available https://arxiv.org/pdf/1409.1556/
M. D. Zeiler and R. Fergus, “Visualizing and understanding convolutional networks,” in Proceedings of 2014 European Conference on Computer Vision, Zurich, Switzerland, 2014, pp. 818-833. https://doi.org/10.1007/978-3-319-10590-153
C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich, “Going deeper with convolutions,” in Proceedings of 2015 IEEE Conference on Computer Vision and Pattern Recognition, Boston, MA, 2015, pp. 1-9. https://doi.org/10.1109/CVPR.2015.7298594
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A New Image Classification Method
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2021 .02
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
Novel Image Classification Method Based on Few-Shot Learning in Monkey Species
Journal of information and communication convergence engineering
2021 .06
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
-
작은 데이터 세트에 대한 새로운 이미지 분류 방법
한국정보통신학회 종합학술대회 논문집
2021 .10
-
Dance Movement Recognition based on Deep Learning
IEIE Transactions on Smart Processing & Computing
2024 .06
-
이미지 분류에서의 CNN 최적화 모델 설계
Proceedings of KIIT Conference
2021 .06
-
CNN 구조의 진화 최적화 방식 분석
전기학회논문지
2018 .06
-
CNN을 이용한 건축적 형상에 대한 선호 추정
대한건축학회논문집
2022 .04
-
Lightweight image classifier for CIFAR-10
센서학회지
2021 .09
-
깊은 Convolutional Neural Network를 이용한 얼굴표정 분류 기법
방송공학회논문지
2017 .03
-
연령별 학습 데이터와 CNN의 감정 분류 정확도
한국정밀공학회 학술발표대회 논문집
2022 .05
-
진화연산 기반 CNN 필터 축소
전기학회논문지
2018 .12
-
다양한 이미지 향상 기법을 사용한 전립선 병리영상 딥러닝 이진 분류 연구
멀티미디어학회논문지
2020 .04
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
유전 알고리즘을 이용한 CNN 내 가중치의 최적화
한국정보과학회 학술발표논문집
2019 .06
-
CNN(Convolutional Neural Network)을 이용한 콘크리트 포장 표면결함 분류
한국콘크리트학회 학술대회 논문집
2018 .11
-
다중 센서 데이터 분석을 위한 설명 가능한 합성곱신경망 모델
대한산업공학회지
2019 .04
-
Bearing Fault Diagnosis Using One-Dimensional Convolutional Neural Network
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
A Study of Facial Organs Classification System Based on Fusion of CNN Features and Haar-CNN Features
한국정보기술학회논문지
2018 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-003-001014446