文献

J-GLOBAL ID：201702271159553698   整理番号：17A0886520

スケーラブルな画像検索のための深いハッシング【Powered by NICT】

Deep Hashing for Scalable Image Search

著者 (3件)： Lu Jiwen (Department of Automation, Tsinghua University, Beijing, China) ,  Liong Venice Erin (Rapid-Rich Object Search Laboratory, Interdisciplinary Graduate School, Nanyang Technological University, Singapore) ,  Zhou Jie (Department of Automation, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 5  ページ： 2352-2367  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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,スケーラブルな画像検索のためのコンパクトな二値符号を学習するために,新しい深ハッシング(DH)アプローチを提案した。多くの既存の二値符号学習法,各試料を地図化二値特徴ベクトルに単一線形射影を求める通常とは異なり,これらの二値符号を学習するための多重階層非線形変換を深層ニューラルネットワークを開発して,試料の非線形関係はよく利用できるようにした。著者らのモデルは,開発された深いネットワークの最上層で三制約の下で学習される1)コンパクトな実数値コードと学んだバイナリーベクター間の損失を最小化する,2)2進符号は,各ビットに均一に分布し,3)異なるビットは可能な限り無関係であった。学習された2進符号の識別能力をさらに改善するために,著者らは,DHの目的関数であり,クラス間変動を最大化する同時にに弁別項を含めることにより,DHを拡張した教師つきDH(SDH)とマルチラベルSDHに単一ラベル及びマルチラベル設定で学習した2進符号のクラス内変動を最小化した。広く使用されている八画像検索データセット上での包括的実験結果は,提案した方法が最先端と非常に比肩可能な結果を達成することを示した。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： ニューラルネットワーク ,  学習 ,  多重化 ,  *画像検索 ,  ネットワーク ,  目的関数 ,  *ハッシング ,  上層 ,  線形性 ,  深層 ,  実数 ,  射影
準シソーラス用語： 非線形変換 ,  特徴ベクトル ,  バイナリコード , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 画像検索 ,  ハッシング