文献

J-GLOBAL ID：201302287760990991   整理番号：13A1305366

視覚概念学習のための規則化半教師つき潜在Dirichlet割当て

Regularized Semi-Supervised Latent Dirichlet Allocation for visual concept learning

著者 (4件)： ZHUANG Liansheng (Univ. of Sci. and Technol. of China, Hefei 230027, CHN) ,  GAO Haoyuan (Univ. of Sci. and Technol. of China, Hefei 230027, CHN) ,  LUO Jiebo (Dep. of Computer Sci., Univ. of Rochester, NY 14627, USA) ,  LIN Zhouchen (Key Lab. of Machine Perception (MOE), Peking Univ., Beijing 100871, CHN)
資料名： Neurocomputing  (Neurocomputing)
巻： 119  ページ： 26-32  発行年： 2013年11月07日 
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： トピックモデルは視覚概念学習のための人気のあるツールである。ほとんどのトピックモデルは教師なしあるいは完全教師つきである。本論文では,制限されたラベル付訓練画像及びラベル無しリッチ画像の両方を活用するために,筆者らは視覚概念分類子を学習するための新規の規則化半教師つき潜在Dirichlet割当て(r-SSLDA)を提案した。新しい複雑なトピックモデルを導入する変わりに,筆者らは半教師つき方法におけるトピックモデルを学習するための効率的な方法を見つけようとした。筆者らのr-SSLDAは規則化フレームワークにおいて半教師つき特質及び教師つきトピックモデルの両方を同時に考察する。さらに,r-SSLDAの性能を向上させるために,筆者らはフレームワークに低ランクグラフを導入した。Caltech 101及びCaltech 256上の実験は,r-SSLDAが両教師なしLDAより性能が優れ,そしてずっと少ないラベル付き画像を用いた完全教師つきLDAに対して競争しうる性能を達成したことを示した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *学習 ,  確率モデル ,  教師なし学習 ,  教師つき学習 ,  *画像 ,  性能 ,  ラベル付け【画像】
準シソーラス用語： トピックモデル ,  *概念学習 ,  半教師つき学習

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 視覚 ,  概念学習 ,  規則化 ,  教師 ,  割当て