文献

J-GLOBAL ID：201702280353028413   整理番号：17A0320305

画像分類のためのマルチビュー半教師つき学習【Powered by NICT】

Multi-view semi-supervised learning for image classification

著者 (3件)： Zhu Songhao (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China) ,  Sun Xian (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China) ,  Jin Dongliang (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 208  ページ： 136-142  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： インターネットにアップロードディジタル画像データの大規模な成長に伴い,画像指数と画像検索のためのその画像コンテンツに関して各画像を分類する適切な意味カテゴリーにますます困難で面倒なタスクになっている。この問題に対処するために,画像の複数ビューを用いた画像分類の予測性能を改善するための擬似ラベル付き画像に含まれる情報を活用する新しいマルチビュー半教師つき学習フレームワークを提案した。訓練プロセスでは,ラベル付き画像は最初に非相関と十分なビューを用いた視野特定分類器を訓練独立に採用され,各視野特定分類器は,初期ラベル付けされた標本と追加の擬似ラベル付き試料を用いた信頼の尺度に関して反復再訓練。分類プロセスでは,最大エントロピー原理を用いて最適訓練視野特定分類器による非標識画像に適切なカテゴリーラベルを割り当てる。汎用画像データベース上での実験結果は,提案した多視点半教師つき画像分類方式の有効性と効率を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： インターネット ,  画像検索 ,  ディジタル画像 ,  画像データベース ,  *画像
準シソーラス用語： 予測性能 ,  映像コンテンツ ,  アップロード ,  *半教師つき学習 ,  *マルチビュー ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチビュー半教師つき学習 ,  最大エントロピー ,  マルチビュー融合 ,  画像分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 画像分類 ,  マルチビュー ,  半教師つき学習