文献

J-GLOBAL ID：201702220098001249   整理番号：17A1728083

マルチインスタンスマルチラベル学習におけるインスタンスアノテーションのための動的計画法【Powered by NICT】

Dynamic Programming for Instance Annotation in Multi-Instance Multi-Label Learning

著者 (3件)： Pham Anh T. (School of EECS, Oregon State University, Corvallis, OR) ,  Raich Raviv (School of EECS, Oregon State University, Corvallis, OR) ,  Fern Xiaoli Z. (School of EECS, Oregon State University, Corvallis, OR)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 12  ページ： 2381-2394  発行年： 2017年 
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： 分類のための標識データは,有意な人間の努力を必要とする。ラベリングコストを低減するために,各事例を標識の代わりに,例(バッグ)の群は単一バッグラベルによるラベル付けされる。,バッグ,例えばアノテーションと呼ばれる過程で各インスタンスのためのラベルを推定するために使用されている計算機アルゴリズム。このタスクは,例えばラベルに関するあいまいさのため困難である。例えばアノテーション問題のための識別確率モデルを提案し,推論のための期待値最大化フレームワーク,最大尤度法に基づいて導入した。多くの確率的アプローチでは,そのバッグラベルを与えられたインスタンスラベルの事後確率の力ずくの計算はバッグにおけるインスタンスの数に対して指数関数になる。著者らの貢献の例数に比例する後を計算するための動的計画法である。ベンチマークと実世界データセットを用いてこの方法を評価し,鳥の鳴き声,画像アノテーション,行動認識の領域に存在する。多くの場合,提案した枠組みは,時には有意に優れている現在の最先端MIML学習法,例えばラベル予測とバッグ標識予測した。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： 事後確率 ,  *アノテーション ,  計算機アルゴリズム ,  *動的計画法 ,  曖昧さ ,  指数関数 ,  予測 ,  最尤法 ,  *学習 ,  ベンチマーク ,  確率モデル
準シソーラス用語： 行動認識 ,  画像アノテーション ,  鳥の鳴き声 ,  EMアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  インスタンス ,  アノテーション ,  動的計画法