閲覧可能ファイル 

ファイル	フォーマット	サイズ	閲覧回数	説明
2020-12-01_Multi-ta	pdf	930 KB	550

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

アクセス権	open access
URI	https://hdl.handle.net/2115/80378
タイトル	Multi-Task Convolutional Neural Network Leading to High Performance and Interpretability via Attribute Estimation
著者	Maeda, Keisuke ; Horii, Kazaha ; Ogawa, Takahiro ; Haseyama, Miki
著者名 Maeda, Keisuke
著者名 Horii, Kazaha
e-Rad_Researcher 20524028 著者名 Ogawa, Takahiro
e-Rad_Researcher 00218463 著者名 Haseyama, Miki
言語	英語
キーワード	multi-task convolutional neural network
	image classification
	attribute estimation
	interpretability
発行日	2020-12
出版者	電子情報通信学会(The Institute of Electronics, Information and Communication Engineers / IEICE)
収録物名	IEICE transactions on fundamentals of electronics communications and computer sciences
巻(号)	E103A(12)
ページ	1609-1612
抄録	A multi-task convolutional neural network leading to high performance and interpretability via attribute estimation is presented in this letter. Our method can provide interpretation of the classification results of CNNs by outputting attributes that explain elements of objects as a judgement reason of CNNs in the middle layer. Furthermore, the proposed network uses the estimated attributes for the following prediction of classes. Consequently, construction of a novel multi-task CNN with improvements in both of the interpretability and classification performance is realized.
資源タイプ	学術雑誌論文
出版タイプ	Version of Record
権利情報	http://search.ieice.org/
権利情報	copyright©2020 IEICE
PISSN	0916-8508
関連情報 (isIdenticalTo)	出版社版DOI https://doi.org/10.1587/transfun.2020SML0006

ホームへ戻る