文献

J-GLOBAL ID：201202266146416400   整理番号：12A1304936

大規模マルチメディアデータに対する分類器適応のフレームワーク

A Framework for Classifier Adaptation for Large-Scale Multimedia Data

著者 (3件)： YANG Jun (Facebook Inc., CA, USA) ,  TONG Wei (Carnegie Mellon Univ., PA, USA) ,  HAUPTMANN Alexander G. (Carnegie Mellon Univ., PA, USA)
資料名： Proceedings of the IEEE  (Proceedings of the IEEE)
巻： 100  号： 9  ページ： 2639-2657  発行年： 2012年09月 
JST資料番号： D0378A  ISSN： 0018-9219  CODEN： IEEPAD  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Web上のマルチメディアデータは,データ量に加えデータの不均質性の面からも,機械学習技法に種々の課題を提起する。あるドメインで訓練されたモデルは他のドメインには良く汎化できないが,ドメインごとに新しいモデルを構築すれば訓練事例のラベル付けに膨大なコストを要する。本稿は,大規模マルチメディアデータにおける不均質性の課題に,性能改善とコスト低減のためのクロスドメインモデルを用いて取り組んだ。特にあるドメインのデータで訓練した教師付き学習分類器を,ラベル付きデータの少ない対象ドメイン用の新しい分類器に適応する方法を考察した。決定関数を修正して分類器を適応する,正規化損失最小原理を基礎とする関数レベル分類器適応のフレームワークを採用し,具体例として適応SVMを示した。さらに多重分類器の適応にも拡張した。TRECビデオ検索評価コーパスを利用した実験で,既存手法より優れた精度と効率が得られた。

シソーラス用語： *Web【情報システム】 ,  コンテンツ ,  容量 ,  不均一性 ,  機械学習 ,  範囲 ,  汎化 ,  学習モデル ,  ラベル付け【画像】 ,  データ ,  *教師つき学習 ,  *分類装置 ,  適応 ,  サポートベクトルマシン ,  画像検索 ,  コーパス ,  実験
準シソーラス用語： データ量 ,  ドメイン ,  ビデオ検索 ,  *マルチメディアコンテンツ ,  訓練データ ,  *多重分類器 ,  評価実験

分類 (2件)： 人工知能  (JE08000Z) ,  システムプログラミング一般  (JD03010Y)

タイトルに関連する用語 (5件)： 大規模 ,  マルチメディアデータ ,  分類器 ,  適応 ,  フレームワーク