文献

J-GLOBAL ID：201702221735077200   整理番号：17A0472985

画像検索のための多層CNN特徴の相補的強度の利用【Powered by NICT】

Exploiting the complementary strengths of multi-layer CNN features for image retrieval

著者 (5件)： Yu Wei (School of Computer Science and Technology, Harbin Institute of Technology, China) ,  Yang Kuiyuan (Microsoft Research, Beijing, China) ,  Yao Hongxun (School of Computer Science and Technology, Harbin Institute of Technology, China) ,  Sun Xiaoshuai (School of Computer Science and Technology, Harbin Institute of Technology, China) ,  Xu Pengfei (Microsoft Research, Beijing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 235-241  発行年： 2017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： 深い畳込みニューラルネットワークは画像分類のためのブレークスルー精度を実証した。CNNから学んだ特徴抽出器を他のコンピュータビジョンタスクに使用されている。しかし,異なる層のCNNの特徴は,異なるレベルの情報を符号化することを目的とする。高層特徴は,意味的情報は少ない詳細情報に関するより多くの注意が,低層特徴をより詳細情報を含んでいるが,バックグラウンドクラッタおよび意味的あいまいさの問題に悩まされている。簡単だが効果的な方法で異なる層の相補的強度を利用することを提案した。写像関数は低層類似性の有効性を強調するために設計されており,類似した意味論を用いたクエリー画像とその最隣接間の細粒類似性を測定する。包括的な実験を行い,提案手法では,一般的な検索ベンチマーク上で比肩可能な性能を達成できることを示した。広範な実験は,提案した方法が単層との直接連結から抽出された特徴よりも優れていることを示した。一方,著者らの方法は,一般的な検索ベンチマーク上で比肩可能な性能を達成した。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： ベンチマーク ,  低層 ,  意味論 ,  特徴抽出 ,  曖昧さ ,  畳込み ,  *画像 ,  符号化 ,  写像 ,  ニューラルネットワーク ,  上層 ,  *画像検索 ,  類似性
準シソーラス用語： クエリー ,  画像分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 画像検索 ,  CNN ,  マルチレベル特徴

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

タイトルに関連する用語 (3件)： 画像検索 ,  多層 ,  CNN