文献

J-GLOBAL ID：201702228064275920   整理番号：17A1060533

スパース埋込みハッシングを用いた大規模画像検索【Powered by NICT】

Large-scale image retrieval with Sparse Embedded Hashing

著者 (6件)： Ding Guiguang (Intelligent Multimedia Group, School of Software, Tsinghua University, Beijing, China) ,  Zhou Jile (Intelligent Multimedia Group, School of Software, Tsinghua University, Beijing, China) ,  Guo Yuchen (Intelligent Multimedia Group, School of Software, Tsinghua University, Beijing, China) ,  Lin Zijia (Intelligent Multimedia Group, School of Software, Tsinghua University, Beijing, China) ,  Zhao Sicheng (Intelligent Multimedia Group, School of Software, Tsinghua University, Beijing, China) ,  Han Jungong (Department of Computer Science and Digital Technologies, Northumbria University, Newcastle, UK)
資料名： Neurocomputing  (Neurocomputing)
巻： 257  ページ： 24-36  発行年： 2017年 
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： 本論文では,スパース埋込みハッシング(SEH)と呼ばれる新しいスパース性ベースハッシングフレームワークを提案し,スパース符号化の技術を調べた。オリジナルデータのペアワイズ類似性を保存するためのハッシュ空間におけるより良いスパース表現または最適解を見つけることに焦点を当てた大半の既存のシステムとは異なり,ここでは,1つの目的におけるこれら二つの問題を解決しようとした。より具体的には,SEHを最初にデータ駆動方法でスパース表現を生成し,射影行列を学習,スパース表現,親和性保存と線形埋め込みを考慮した。学んだコンパクトな特徴は局所性高感度にするために,SEHは,元のデータのEuclid構造を近似するための行列因数分解法を採用した。行列因数分解の使用は,分解したマトリックスを可能にするどのようなEuclidの構造は保存されているに依存して視覚またはテキストのいずれかの特徴から構築している。この柔軟性により,このSEHフレームワークは,単一モード検索およびクロスモーダル検索の両方を同時に扱うことができた。実験的証拠は,最先端技術アプローチと比較して,この方法は,単一およびクロスモーダル検索タスクにおいてずっと良好な性能を得ることが分かった。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： *透視図法 ,  単一モード ,  線形性 ,  視覚 ,  *ハッシング ,  局所性 ,  類似性 ,  *画像検索 ,  高感度 ,  柔軟性
準シソーラス用語： 行列因数分解 ,  射影行列 ,  スパース表現 ,  スパースコーディング ,  スパース性 , 【Automatic Indexing@JST】

著者キーワード (3件)： ハッシング ,  スパース符号化 ,  マトリックス因数分解

分類 (3件)： パターン認識  (JE07000S) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 埋込み ,  ハッシング ,  大規模 ,  画像検索