文献

J-GLOBAL ID：201702230336836439   整理番号：17A1775672

欠損標識を用いた画像のためのマルチラベル分類【Powered by NICT】

Multi-label classification for images with missing labels

著者 (3件)： Ma Jianghong (Department of Electronic Engineering, City University of Hong Kong) ,  Fan Jicong (Department of Electronic Engineering, City University of Hong Kong) ,  Wang Wei (College of Information Engineering, Dalian Ocean University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： INDIN  ページ： 1050-1055  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： マルチラベル分類は重要な問題であり,それは,コンピュータビジョンにおける多くの応用,自動画像アノテーションなどがあった。各インスタンスのラベルは常に元の全型であると仮定した。しかし,人手のラベリングは,大量のデータの場合には時間がかかり,ラベル集約的な仕事であるため欠落ラベルがしばしば発生する。ラベルの不完全性は,マルチラベルモデルを訓練することの難しさを増加させる確かにできる。本論文では,失われたラベルを明白に取り扱うことが誘導分類器を学習することができる提案した新しいマルチラベル分類法。l1ノルムを誘導する個々のスパース性を用いて,スパースラベル相互依存性を捕捉した。l2,1 ノルムを誘導するグループスパース性を利用して,弁別入力特徴を選択することである。意味ラベル階層はラベル依存性を多様化した。一方,予測ラベルと元の標識として,予測ラベルの上のなめらかさの正則化の間の一貫性は,分類性能を改善するために施行した。さらに,乗算器の交互方向法に基づく効率的な方法を分類器とラベル相関学習プロセスを容易にするために設計した。二広く使用されている大規模画像データセット上での実験を行い,マルチラベル分類に対する提案した方法の有効性時のみに限られた数のラベルを各訓練サンプルに対して与えられることを実証した。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： ノルム ,  平滑度 ,  ラベリング ,  コンピュータビジョン ,  正則化 ,  予測 ,  不整 ,  *画像 ,  乗算器
準シソーラス用語： 画像データ ,  連合学習 ,  相互依存性 ,  スパース性 ,  自動画像アノテーション ,  *マルチラベル分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 欠損 ,  標識 ,  マルチラベル分類