文献

J-GLOBAL ID：201702251858690961   整理番号：17A0020705

画像認識のための共形変換カーネル学習【Powered by NICT】

Learning the Conformal Transformation Kernel for Image Recognition

著者 (5件)： Xiong Huilin (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Yu Wenxian (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Yang Xin (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Swamy M. N. S. (Department of Electrical and Computer Engineering, Concordia University, Montreal, QC, Canada) ,  Yu Qiuze (Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 1  ページ： 149-163  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： 本論文では,特定のカーネルモデル,CTKを学習に基づく多クラスデータ分類器,最適共形変換カーネル(OCTK)によって記されるを示し,画像認識タスク,すなわち,顔認識や物体認識の二種類にそれを利用する。学んだCTKは特徴空間へ入力空間からのデータマッピングにおける望ましい空間幾何学変化をもたらすことができることを示し,不均一領域の局所空間構造はより洗練された識別を有利にまで拡大されるように,均質領域のそれは圧縮されたクラス内変動を無視または抑制することである。学習CTKのこの様な特性は,画像認識において大きな利点がある,画像認識では,常に分類すべき画像は大きなクラス内多様性とクラス間類似性であることを課題に直面しなければならないからである。顔認識や物体認識に関する実験は,提案したOCTK分類器は,最先端の分類器のそれと比較して最高のまたは第二最良の認識結果を達成することを示し,どのような特徴または特徴表現が用いられている。計算効率では,OCTK分類器は,線形サポートベクトルマシン分類器(線形LIBSVM)よりも有意に速く行うことができる。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： 線形性 ,  立体構造 ,  *等角写像 ,  物体認識 ,  サポートベクトルマシン ,  *学習 ,  *画像 ,  幾何学 ,  *画像認識 ,  類似性
準シソーラス用語： 計算効率 ,  特徴表現 ,  特徴空間 ,  顔認識 ,  *Kernel法 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 画像認識 ,  共形変換 ,  カーネル学習