文献

J-GLOBAL ID：201702218715161428   整理番号：17A1398505

ランドマーク認識のための弱教師つき深い学習における地理的情報の利用【Powered by NICT】

Geographic information use in weakly-supervised deep learning for landmark recognition

著者 (3件)： Yin Yifang (Interactive and Digital Media Institute, National University of Singapore) ,  Liu Zhenguang (School of Computing, National University of Singapore) ,  Zimmermann Roger (School of Computing, National University of Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 1015-1020  発行年： 2017年 
JST資料番号： W2441A  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： 視覚物体認識のための成功した深層畳込みニューラルネットワークは典型的に大きなヒト努力しクラスラベルまたはオブジェクト境界ボックスでよく注釈付き訓練画像の膨大な数に依存している。地理的メタデータの利用,GPSとコンパスのようなセンサから検索した,ランドマーク認識のための弱教師つき学習技術の自動を調べた。フレームにおけるランドマークの可視度はカメラの視野とランドマークの幾何学的情報の位置と高さのようなに基づいて計算できる。続いて,訓練データセットは少なくとも1つの標的ランドマークの存在とフレームの結合として生成する。地球メタデータにおける固有雑音の影響を低減するために,(1)カメラ位置とそれに続く視覚一貫性に基づく(2)異常値除去に基づくGauss混合モデルクラスタリングからなる2段アプローチによる誤ってラベル付きフレームを除去するフレーム選択法を提案した。グランドトルースラベルから得られた分類結果と生地球メタデータから誘導された雑音のあるラベルを比較した。実験は生地球メタデータに基づく訓練は0.797の平均精度(MAP)を達成することを示した。さらに,筆者らが提案した代表的なフレーム選択法を適用して,MAPは6.4%,弱教師つき学習技術の地球メタデータの有望な利用を示すによりさらに改善できる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 視覚 ,  センサ ,  ニューラルネットワーク ,  画像 ,  物体認識 ,  クラスタ化 ,  教師つき学習 ,  地球 ,  メタデータ ,  *地理学 ,  雑音 ,  カメラ ,  アノテーション ,  GPS
準シソーラス用語： GPS【位置決め】 ,  *ランドマーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： ランドマーク ,  教師 ,  学習 ,  地理