文献

J-GLOBAL ID：201602288296804080   整理番号：16A0586825

画像検索への応用を持つオンラインマルチモーダル距離メトリック学習【Powered by NICT】

Online Multi-Modal Distance Metric Learning with Application to Image Retrieval

著者 (5件)： Wu Pengcheng (, School of Information Systems, Singapore Management University, Singapore) ,  Hoi Steven C. H. (, School of Information Systems, Singapore Management University, Singapore) ,  Zhao Peilin (Data Analytics Department, Institute for Infocomm Research, A*STAR, Singapore) ,  Miao Chunyan (, School of Computer Engineering, Nanyang Technological University, Singapore) ,  Liu Zhi-Yong (State Key Lab of Management and Control for Complex System, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 28  号： 2  ページ： 454-467  発行年： 2016年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 距離メトリック学習(DML)はコンテンツベース画像検索における類似性検索を改善するための重要な技術である。盛んに研究されているにもかかわらず,ほとんどの既存のDMLの手法は通常,複数タイプの特徴を簡単に連結した,単一特徴型または複合特徴空間に距離メトリックを学習する単一モード学習フレームワークを採用した。このような単一モードDML法は,いくつかの重要な制限を受ける(i)いくつかの型の特徴は,多様な特徴表現によるDML課題における他を支配した可能性があるおよび(ii)学習は高次元特徴空間上の距離計量,ナイーブな特徴連結法を用いた非常に時間を消費する。これらの制限に対処するために,本論文では,オンラインマルチモーダル距離メトリック学習(OMDML)の新しい方式,統一二レベルオンライン学習方式を調べるを調べる(i)は,各個別特徴空間上の距離計量を最適化するための学習および(ii)それは多様なタイプの特徴の最適な組み合わせを見出すために学習する。更なる高次元特徴空間上のDMLのコストを低減するために,著者らは計算コストを大幅に低減しながらも高度に競合するかあるいは幾分良好な学習精度を保持する低品位OMDMLアルゴリズムを提案した。マルチモーダル画像検索,有望な結果は,提案手法の有効性を検証のために提案されたアルゴリズムの性能を評価するために広範囲な実験を行った。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最適化 ,  高次元 ,  単一モード ,  距離計 ,  アルゴリズム ,  *学習 ,  *画像検索
準シソーラス用語： 計算コスト ,  オンライン学習 ,  特徴表現 ,  *ホップ数 ,  特徴空間 ,  類似性検索 ,  コンテンツベース画像検索 ,  *距離メトリック学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 画像検索 ,  応用 ,  オンライン ,  マルチモーダル ,  距離メトリック学習