文献

J-GLOBAL ID：201302250176900343   整理番号：13A0028702

大規模検索のための半教師つきハッシュ法

Semi-Supervised Hashing for Large-Scale Search

著者 (3件)： WANG Jun (IBM T.J. Watson Res. Center, NY) ,  KUMAR Sanjiv (Google Res., NY) ,  CHANG Shih-Fu (Columbia Univ., NY)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 34  号： 12  ページ： 2393-2406  発行年： 2012年12月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 多くの機械学習法において最近傍検索は基本であり,データ量にかかわらず一定の問合せ時間でメモリ効率のよいハッシュ法に基づく近似検索手法が注目されている。本論文では,従来法がラベル付きデータが少なかったり,ノイズがあると過剰適合するのでよりロバストな半教師つきハッシュ法(SSH)を提案した。SSHではデータをHamming空間に射影し,意味的な類似性を与えるラベル付きデータ上の経験的誤差の最小化,及びラベル付きとラベルなし双方のデータを用いた情報理論的正則化を行う。本定式化に基づいて直交ハッシュ,非直交ハッシュ,逐次ハッシュという3つの射影学習法を提案し,逐次ハッシュについては教師なし条件に対する拡張を行った。大規模データベースCIFAR-10,Flicker画像コレクション,SIFT-1Mデータ集合,及び8000万画像データに対する実験を行ってクエリとのHamming距離に基づくランキング,及びハッシュ検索に対する評価を試みた。その結果,逐次ハッシュは他と比べてオフラインでの訓練時間はかかるが,最も性能がよかった。また,オンラインでの実行時間ではLSH(Locality Sensitive Hashing)と同等,SH(Spectral Hashing)やBRE(Binary Reconstructive Embedding)よりも高速であることがわかった。

シソーラス用語： *ハッシング ,  *画像検索 ,  画像データベース ,  *機械学習 ,  教師つき学習 ,  雑音 ,  ロバスト性 ,  誤差 ,  射影 ,  評価試験 ,  Hamming距離 ,  高速化 ,  性能評価
準シソーラス用語： 半教師つき学習 ,  ノイズ

分類 (3件)： システムプログラミング一般  (JD03010Y) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 大規模 ,  検索 ,  教師 ,  ハッシュ法