文献

J-GLOBAL ID：201702234630951520   整理番号：17A1773169

群における同行:Webデータからの学習のための弱教師つき深層学習フレームワーク【Powered by NICT】

Attend in Groups: A Weakly-Supervised Deep Learning Framework for Learning from Web Data

著者 (5件)： Zhuang Bohan ,  Liu Lingqiao ,  Li Yao ,  Shen Chunhua ,  Reid Ian
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 2915-2924  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： 大規模データセットを視覚認識のための深いニューラルネットワークの開発を導いた。しかし,大量データセットのアノテーションは高価で時間がかかる。Web画像とそれらのラベルは,比較して,得ることがはるかに容易であるが,そのようなautomatially収穫画像上で直接訓練は不満足な性能を実現することができる,Web画像の雑音のあるラベルを学習認識モデルに悪影響を及ぼすからである。この欠点に対処するためには,Web画像におけるラベル雑音にロバストなエンドツーエンド弱教師つき深層学習フレームワークを提案した。提案したフレームワークは,雑音のあるWeb画像アノテーションの負の影響を効果的に削減するためのランダムグルーピングと注意 二つの統一された戦略に依存している。特に,ランダムグループ化は複数の画像を積み重ね単一訓練インスタンスに,例えばレベルでラベル付け精度を増加した。一方,注意は不正確に標識画像とより少ない識別画像領域の両方からの雑音の多い信号を抑制した。二つの挑戦的なデータセット,異なる自動車モデルのWeb画像と新たに収集した細粒データセットを含むに関する集中的な実験を行うことにより,競合ベースラインに比べて,提案手法の優れた性能を明確に示した。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： アノテーション ,  自動車 ,  雑音 ,  視認 ,  画像 ,  *学習 ,  *Web【情報システム】 ,  認知モデル ,  ニューラルネットワーク ,  基準線 ,  ロバスト性
準シソーラス用語： 画像アノテーション ,  Web画像 ,  大規模データセット ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 群 ,  Web ,  学習 ,  教師 ,  深層学習 ,  フレームワーク