文献

J-GLOBAL ID：201702259898871657   整理番号：17A0457541

マルチタスク学習を用いたマルチモードシーンカテゴリー化【Powered by NICT】

Multi-modal scene categorization using multi-tasks learning

著者 (5件)： Xishuai Peng (School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Yuanxiang Li (School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Jianhua Luo (School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Jun Xu (School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Yongshuai Lu (School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSP  ページ： 1106-1111  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： 標準可視RGBチャネルの組合せと近赤外(NIR)情報は,シーンカテゴリー化タスクにおけるRGBデータのみよりも良好に機能することが観察された。しかし,RGB NIRデータ収集困難さのために限られている。限られたデータを用いて,効果的な解を学習するための最も深いネットワークのための困難であるが,人間運動の内のこのような種類の問題を解決することができた。は,他のタスクまたは賢明な指導者からの事前知識を学習することができたためである可能性があり,これらの知識が役立つ。この仮説に触発されて,ネットワークの中間層の中に事前知識を導入するための新しい訓練方式を提案した。まず第一に,転移学習関連タスクから単一モード特徴を学習するために採用した。RGBとNIR特徴を融合する研究した知識蒸留法。これらトレーニング前段階を終了されているので,地球微調整を用いて,全ネットワークを訓練した。RGB NIRデータセット上での実験結果により,他の既存の方法と比較して筆者らの提案アプローチの効率性を示した。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： *ネットワーク ,  単一モード ,  チャネル ,  蒸留 ,  近赤外線 ,  地球 ,  データ収集
準シソーラス用語： 転移学習 ,  中間層 ,  事前知識 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： マルチタスク学習