属性情報の不確実性を考慮したゼロショット生成モデル

阪井優太; 三川健太; 後藤正幸

文献

J-GLOBAL ID：202102213102706746 整理番号：21A0423759

属性情報の不確実性を考慮したゼロショット生成モデル

Zero-shot Generative Model Considering Attribute Uncertainty

著者 (3件)： , ,
資料名：
巻： 120 号： 300(PRMU2020 38-68) ページ： 122-127 (WEB ONLY) 発行年： 2020年12月10日
JST資料番号： U2030A ISSN： 2432-6380 資料種別：会議録 (C)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

機械学習における分類問題は依然として重要な研究課題である.一般に分類は,データの特徴量とカテゴリを表すラベルをペアとした学習データ集合を用いることで,未知のテストデータのラベルを推定する.しかし一般的な分類問題では,学習データ集合に含まれないカテゴリを推定することはできない.本研究では,データ間で共通する情報(補助情報)を活用して,学習データにないカテゴリの推定を可能とする手法であるゼロショット学習(Zero-shot Learning)を対象とし,その中でも特に,補助情報として属性情報を活用する属性ベースゼロショット学習に着目する.属性ベースゼロショット学習を行う従来手法の1つであるDirect Attribute Prediction(DAP)モデルは,特徴量とカテゴリとの関係性を属性の活用により表現した識別モデルである.しかしながらDAPモデルでは,カテゴリの推定に重要な属性以外の推定結果がカテゴリの推定精度を低下させてしまう場合がある.また識別モデルであるため,学習データ数が少ない場合に過学習することがある.そこで本研究では,属性情報の推定結果の不確実性を考慮した属性ベースゼロショット生成モデルを提案する.また,従来手法と比較することで提案手法の有効性を示す.(著者抄録)

, , , , , , , , ,
,

図形・画像処理一般

引用文献 (10件)：

Socher, R. and Ganjoo, M.: Zero-shot learning through cross-modal transfer,The Computing Research Repository, Vol.abs/1301.3666, pp.1-7 (2013).
Lampert, C.H., Nickisch, H. and Harmeling, S.: Learning to detect unseen object class by between-class attribute transfer, Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp.951-958 (2009).
Kodirov, E., Xiang, T. and Gong, S.: Semantic autoencoder for zero-shot learning,Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp.3174-3183 (2017).
Lampert, C.H., Nickisch, H. and Harmeling, S.: attributebased classification for zero-shot visual object categorization, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2014-03, Vol.36 (3), pp.453-465 (2014).
Larochelle, H., Erhan, D. and Bengio, Y.: Zero-data learning of new tasks, Proc. National Conference on Artificial Intelligence, pp.646-651 (2008).

, , ,

前のページに戻る


	フリーワード	※以下の同義語を加えると、ヒット件数を増やすことができます。




		～