文献

J-GLOBAL ID：201702236518996372   整理番号：17A0368782

画像アノテーションのためのスパースマルチモーダル局所符号化【Powered by NICT】

Sparse Multi-Modal Topical Coding for Image Annotation

著者 (7件)： Song Lingyun (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Luo Minnan (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Liu Jun (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Zhang Lingling (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Qian Buyue (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Li Max Haifei (Department of Computer Science, Union University, Jackson, TN 38305, USA) ,  Zheng Qinghua (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 162-174  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： 画像アノテーションは大規模画像理解,索引作業,検索において重要な役割を果たす。確率トピックモデル(PTM)は入力サンプルの学習潜在表現によりこの問題を記述することを試み,既存の研究により効果的であることが示されている。有用なが,PTMとするのは,映像とテキストの潜在的表現,言及したならば,その適用性を広げるであろうを解釈する際にいくつかの制限がある。本論文では,推定された潜在的表現の解釈可能性を改善するためのPTMにスパース性を導入した。単一モード文書のために設計されたことをスパース局所符号化の拡張学習は,自動画像アノテーションのためのPTMの非確率論的定式化,すなわちスパースマルチモーダル局所符号化を提案した。スパース性を制御することを超えて,著者らのモデルは,単語と画像領域間のよりコンパクトな相関を捉えることができた。いくつかのベンチマークデータセット上での実験結果は,このモデルがベースラインモデルよりも自動画像アノテーションおよびテキストベース画像検索に関する良好な性能を達成することを示した。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： *透視図法 ,  学習 ,  単語 ,  *符号化 ,  映像 ,  *画像 ,  画像理解 ,  画像検索 ,  確率論 ,  適応性
準シソーラス用語： 自動画像アノテーション ,  スパース性 ,  テキスト ,  トピックモデル ,  *画像アノテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： トピックモデル ,  スパース潜在表現 ,  画像アノテーション ,  画像検索

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 (2件)： 画像アノテーション ,  符号化