文献

J-GLOBAL ID：201702255812047328   整理番号：17A0457346

ロバストなマルチラベル画像アノテーションのためのグラフ正規化低ランク特徴学習【Powered by NICT】

Graph regularized low-rank feature learning for robust multi-label image annotation

著者 (3件)： Li Jingwei (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Feng Songhe (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Lang Congyan (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSP  ページ： 102-106  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 自動画像アノテーションは社会的画像組織への応用のために過去二年間で多くの注目を集めている。大部分の研究は,典型的なマルチラベル分類問題,信頼できる予測モデルを訓練するために完全なクリーンタグによる十分な数の訓練サンプルを必要とする画像アノテーションを扱った。この欠点の認識するために,著者らは,半教師つき学習フレームワークの下で画像アノテーションのための新しいグラフ正規化低ランク特徴マッピングを開発した。特に,提案アプローチでは,母相の回復の概念を参照し異なるタグ間の相関を捕捉するためにマトリックストレースノルムを用いた。もモデルの複雑性を制御するのに役立つ。さらに,平滑演算子としてのグラフラプラシアン正則化を用いて,提案した方法は,ラベル付きデータおよびラベル無し画像の両者の上での局所幾何学的構造を明確に考慮しできた。さらに,ラベル付き画像欠損または雑音の多い傾向にあるのタグを考慮して,著者らは,欠落したタグの問題点と与えられた訓練試料のための雑音のあるタグを解くための補助的理想的なラベルマトリックスを導入した。画像データセットESPGame,IAPRTC,NUS-WIDE上で行った実験の多様性は,提案した方法の有効性を証明した。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： 雑音 ,  *画像 ,  *正規化 ,  正則化 ,  *学習 ,  予測モデル ,  *ロバスト性
準シソーラス用語： 画像データ ,  グラフラプラシアン ,  複雑性 ,  半教師つき学習 ,  自動画像アノテーション ,  *画像アノテーション , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (7件)： ロバスト ,  マルチ ,  ラベル ,  画像アノテーション ,  グラフ ,  正規化 ,  学習