文献
J-GLOBAL ID:201702250251831798   整理番号:17A0856837

マルチモーダル木構造埋込みマルチタスク学習による交通標識認識【Powered by NICT】

Traffic Sign Recognition via Multi-Modal Tree-Structure Embedded Multi-Task Learning
著者 (5件):
資料名:
巻: 18  号:ページ: 960-972  発行年: 2017年 
JST資料番号: W1272A  ISSN: 1524-9050  CODEN: ITISFG  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
例えば,制限速度徴候,禁止徴候,と強制的徴候,異なるサブセットの徴候は,他の色または形状から非常に異なるため交通信号の認識は,インテリジェント輸送システムのための,挑戦的な課題であるが,これらは同じサブセットのものといくつかの類似性を共有する。,視覚特徴の異なるモダリティ,色,形状などを統合し,よりよいサイン記述のための識別特徴を選択することが重要である添加では,汎化性能を改善するために分類器を学習一緒に交通標識のクラス間の相関を探索するために有利である。本論文では,M~II tMTLはとモダリティ内の両方で識別視覚特徴を選択すると呼ばれるマルチモーダル木構造に埋め込まれたマルチタスク学習だけでなく,類似した分類タスクにより共有される相関特徴を提案した。著者らの方法は,最小二乗回帰への二構造化スパース性誘導ノルムを導入した。基準の一つは,のみならず特徴のモダリティを選択できるのみならず,内モダリティ特徴選択を行うために用いることができる。さらに,分類タスク間の階層的相関は木構造によって実現されていると,木構造スパース性誘導ノルムは多クラス交通標識認識の性能を高めるために回帰係数を一緒に学習するに使用されている。乗算器(ADMM)の交互方向法は保証された収束をもつ提案したモデルを効率的に解くために用いた。公開ベンチマークデータセット上での包括的実験を行い,提案アルゴリズムは非常に解釈可能なモデルをもたらすことを明らかにし,それはいくつかの最新方法より少ない計算と記憶コストが優れているかまたは比肩可能な性能を持っている。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識  ,  人工知能 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る