文献

J-GLOBAL ID：201702216750394685   整理番号：17A0368797

マルチビューマルチタスク学習による混合Bi受ける家族性検証【Powered by NICT】

Mixed bi-subject kinship verification via multi-view multi-task learning

著者 (7件)： Qin Xiaoqian (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Qin Xiaoqian (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210016, China) ,  Qin Xiaoqian (Huaiyin Normal University, Huaian 223300, China) ,  Tan Xiaoyang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Tan Xiaoyang (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210016, China) ,  Chen Songcan (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Chen Songcan (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210016, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 350-357  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Bi課題家族性検証は,それらの外観に基づく親子被験者の対の間のある種の血縁関係(すなわち,父子,父娘,母-息子と母-娘)が存在するか否かを検証することの問題を検討した。タスクはおそらく異なる性別及び年齢を有する二種類の異なる被験者の関与により挑戦的である。添加では,各型家族性の十分な量の訓練サンプルを集めていることは困難である。本研究では,一つの課題として各タイプ血縁関係検証を考慮し,マルチタスク学習の枠組みの中で一度にそれらを学習することによりこれらの問題に取り組むために,タスク間の特徴集合と有用な構造を共有することにより,する新しい方法を示した。特に著者らの貢献は三折たたみあった:第一は,混合Bi課題家族性検証と呼ばれる,Bi課題家族性検証の問題に新しいタイプの学習問題を導入した:いくつかの固定家族関係(例えば,母-息子)は親子画像の与えられた対に対して確立できるか否かを検証すること単にの代わりに,著者らは,任意の四型家族性関係の画像対の視覚的特徴に基づいて確立できないかどうかを把握するために,事前に検証すべき課題の性別を知ることが必要である。第二に,二変換行列でこの問題を解決する新しいマルチタスク学習法を提案した-一つは全タスク間で共有されるものであり,もう一方は各タスクに特異的であった。両マトリックスは関節フレームワーク,著者らのアルゴリズムは,四つのタスクの共通知識を利用することができるで学習した。第三に,混合Bi課題家族性検証性能を改善するための多重特徴融合を実行するためにマルチビューマルチタスク学習(MMTL)法を提案した。大規模KinFaceW家族性データベース上で包括的な実験を行い,提案したアルゴリズムの実現可能性と有効性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： データベース ,  *学習 ,  アルゴリズム ,  画像 ,  *ビスマス ,  多重化
準シソーラス用語： 特徴融合 ,  変換行列 ,  視覚顕著 ,  性別 ,  血縁 ,  被験者 ,  親子 ,  *マルチタスク学習 ,  *マルチビュー , 【Automatic Indexing@JST】

著者キーワード (3件)： 混合家族性検証 ,  マルチタスク学習 ,  マルチビュー学習

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： マルチビュー ,  マルチタスク学習 ,  Bi ,  家族 ,  検証