文献

J-GLOBAL ID：201702224708975930   整理番号：17A0755738

階層的視覚的単語統合へのグラフ埋込みアプローチ【Powered by NICT】

A Graph-Embedding Approach to Hierarchical Visual Word Mergence

著者 (3件)： Wang Lei (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia) ,  Liu Lingqiao (School of Computer Science, University of Adelaide, Adelaide, SA, Australia) ,  Zhou Luping (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 2  ページ： 308-320  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 適切に併合視覚単語は画像分類におけるbag-of-visual-wordsモデルのための効果的な次元縮小法である。階層的併合視覚単語の手法は広範囲に採用されているが,完全に決定融合階層を与えるからである。既存の教師つき階層的マージング法は異なるアプローチを採用し,様々な定式化による合体過程を実現した。本論文では,グラフ埋込みフレームワーク上に構築された統一された階層的マージング手法を提案した。提案アプローチは,任意のシナリオ,優先構造と望ましくない構造を定義したが視覚単語を融合することができ,したがって,マージングプロセスのための要求の全ての種類に参加できる。計算効率の観点から,筆者らは筆者らのアルゴリズムがシームレスに著者らの以前の研究で開発した高速探索戦略を統合し,このようにして,最先端の合体速度をよく保持することができることを示した。著者らの調査では,提案した方法は,このような柔軟で統一的な方法で階層的視覚単語マージを解決する最初のものである。実証したように,有意な次元縮小後でさえ優れた画像分類性能を維持し,すべての既存の匹敵する視覚単語併合法を凌ぐことができる。広い意味で,本研究は,適用,評価,階層的語マージングタスクのための新しい基準を開発するためのオープンプラットフォームを提供する。Copyright 2017 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： 定式化 ,  *視覚 ,  高速度 ,  次元縮小 ,  *単語 ,  アルゴリズム ,  マージング
準シソーラス用語： 最先端 ,  探索戦略 ,  シームレス ,  計算効率 ,  決定融合 ,  画像分類 ,  *グラフ埋込み , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 視覚 ,  単語 ,  統合 ,  グラフ埋込み