文献

J-GLOBAL ID：201402288343688054   整理番号：14A0102715

大規模教師なし学習を用いた高位特性の構築

BUILDING HIGH-LEVEL FEATURES USING LARGE SCALE UNSUPERVISED LEARNING

著者 (1件)： LE Quoc V. (Google Inc., USA)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2013 Vol.12  ページ： 8595-8598  発行年： 2013年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
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： コンピュータビジョン方法論は,クラス固有特徴検出器を得るためにラベル付きデータの役割を強調する。しかし,大規模ラベル付き集合の必要性は,ラベル付きデータが少ない場合に大きな問題となる。他方,教師なし特徴学習と深層学習がラベルなしデータから特性を構築するための方法論として現れた。ラベルなしデータのみから,高位クラス固有特徴検出器を構築する問題について考察した。深層ネットワークの訓練に関与するコアコンポーネント:データセット/モデル/計算資源を規模拡大する。大規模画像データセット上で深層スパース自動符号器を訓練し,モデル並列処理と非同期SGDを用いてこのネットワークを訓練する。分類と可視化を用いて実験を行い,顔の含有/非含有として画像にラベル付けしなくても顔検出器を訓練できることを示した。また,学習した特徴は,ImageNetの物体認識を大きく飛躍させる。例えば,22000カテゴリーにおいて,最先端手法比で70%の相対的改善,15.8%の精度を実現した。

シソーラス用語： *教師なし学習 ,  並列処理 ,  画像データベース ,  *ラベル付け【画像】 ,  機械学習 ,  *ニューラルネットワーク ,  *物体認識 ,  非同期処理 ,  性能評価 ,  符号器 ,  画像処理
準シソーラス用語： 特徴検出 ,  深層学習 ,  顔認識 ,  顔検出

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 大規模 ,  教師なし学習 ,  構築