文献

J-GLOBAL ID：201702221955888936   整理番号：17A1550157

クラスタベース適応SVM:ドメイン適応問題のための潜在的サブドメイン発見法【Powered by NICT】

Cluster-based adaptive SVM: A latent subdomains discovery method for domain adaptation problems

著者 (2件)： Mozafari Azadeh Sadat (Computer Engineering Department, Sharif University of Technology, Tehran, Iran) ,  Jamzad Mansour (Computer Engineering Department, Sharif University of Technology, Tehran, Iran)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 162  ページ： 116-134  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： 訓練(ソース)と試験(ターゲット)ドメインは類似した分布を持たない,特に機械学習アルゴリズムは,しばしば,試験領域における良好な一般化に悩まされている。この問題を解決するために,ドメインシフト問題による精度劣化に直面するときいくつかのドメイン適応技術は学習アルゴリズムの性能を改善するために提案した。本論文では,異機種分散標的ドメインに焦点を当て,それらを適合させながら目標領域を分割するサブドメインに新しい潜在的サブドメイン発見モデルを提案した。サブドメインに対する適応を標的ドメインは単一ドメインとして見られる状況と比較して検出速度を増加させることが期待される。提案した分割法は,ソース領域に正から負試料,線形識別と条件付き分布類似性への明確な比を持つクラスタとして各サブドメインを考察した。適応SVM適応法を用いて各サブドメインの訓練された標的分類器を適応化しながら,この方法は,ターゲット領域を分割するサブドメイン。サブドメインの適切な数を選択するための簡単な解を持つ。提案法適応のSVMまたはCA SVMクラスタと呼ぶ。は二つの異なるコンピュータビジョン問題,歩行者検出と画像分類に対するCA SVM(サポートベクトルマシン)を試験した。実験結果はいくつかのベースラインと比較してこの方法の精度速度の利点を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 基準線 ,  *クラスタ ,  分割法 ,  学習アルゴリズム ,  線形性 ,  サポートベクトルマシン ,  類似性 ,  コンピュータビジョン
準シソーラス用語： 画像分類 ,  歩行者検出 ,  適応化 , 【Automatic Indexing@JST】

著者キーワード (5件)： SVMベースda法 ,  潜在的サブドメイン発見法 ,  ドメイン適応 ,  画像分類 ,  歩行者検出

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： クラスタ ,  適応 ,  SVM ,  ドメイン適応 ,  問題 ,  サブ ,  ドメイン