文献

J-GLOBAL ID：201702230401695342   整理番号：17A1773293

深い量子化:深部生成モデルを用いた符号化畳込み活性化【Powered by NICT】

Deep Quantization: Encoding Convolutional Activations with Deep Generative Model

著者 (3件)： Qiu Zhaofan ,  Yao Ting ,  Mei Tao
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4085-4094  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： 深い畳込みニューラルネットワーク(CNN)は,視覚認識,畳込み層の活性化からの普遍的表現を学習する基本的な問題を果たすのための非常に効果的なことが証明されている。本論文では,変分オートエンコーダ(FV VAE)によるFisherベクトル符号化,深い生成モデルにおける畳込み層の局所活性化を量子化し,エンドツーエンド方式でのそれらを訓練することにより新しい深層アーキテクチャを提示した。FV符号化戦略深い生成モデルへ組み込むために,著者らは変分オートエンコーダモデル,標準的な確率的勾配法を用いて最適化直接できるニューラルネットワークにおける変分推論と学習を導入した。離散混合モデルを適合データ分布に簡潔にする従来の生成的モデル(例えば,Gauss混合モデル)によって特性化FVとは異なり,提案したFV VAEがより良い一般化のためのデータの特性を表現するためにもっと柔軟であった。ビデオ行動認識と細粒画像分類のコンテキストでの三の公共データ集合,すなわち,UCF101,ActivityNet,CUB-200 2011に実施した広範な実験。最新表現と比較した場合,優れた結果を報告した。最も注目すべきは,筆者らが提案したFV VAEはUCF101 94.2%に関する公表された最良の精度をこれまでを達成した。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： ニューラルネットワーク ,  キャラクタリゼーション ,  傾斜法 ,  ベクトル ,  *符号化 ,  最適化 ,  変分法 ,  エンドツーエンド方式 ,  *量子化 ,  *畳込み
準シソーラス用語： 画像分類 ,  行動認識 ,  Gauss混合モデル ,  混合モデル ,  *生成モデル , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 量子化 ,  深部 ,  生成モデル ,  符号化 ,  畳込み ,  活性化