文献

J-GLOBAL ID：201702235662629836   整理番号：17A1347577

から弱教師つきドメイン汎化を介したWebデータ学習による視覚認識【Powered by NICT】

Visual Recognition by Learning From Web Data via Weakly Supervised Domain Generalization

著者 (4件)： Niu Li (Interdisciplinary Graduate School, Nanyang Technological University, Singapore) ,  Li Wen (Computer Vision Laboratory, ETH Zuerich, Zuerich, Switzerland) ,  Xu Dong (The University of Sydney, Sydney, NSW, Australia) ,  Cai Jianfei (School of Computer Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 9  ページ： 1985-1999  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 本論文では,弱教師つき領域一般化(WSDG)法は,実世界視覚認識タスクのために提案した,そこでは,雑音のあるラベルを用いたWebデータ(例えば,Web画像とWebビデオ)を用いて分類器を訓練した。特に,二つの挑戦的な問題は,ロバストな分類器を学習する時に解決する必要がある,最初の問題は,ソース領域からの訓練Webデータのラベル雑音に対処することであるが,第二の課題は任意のターゲット領域に学習した分類器の汎化能力を向上させることである。第1の問題を取り扱うために,各カテゴリ内の訓練試料をクラスタに分割し,各クラスタ内の試料を表すために各クラスタとインスタンスを表すためにワンバッグを使用している。,各バッグで良好な訓練サンプルの割合を同定し,良好な訓練サンプル,マルチインスタンス学習(MIL)問題を用いてロバストな分類器を訓練した。第二の問題を取り扱うために,著者らは,訓練サンプルが見分けの隠れたドメインのセットを形成し,特徴的なデータ分布に関連する各隠れドメインを持つことを仮定した。,各カテゴリーと各隠れ潜在領域について,筆者らは筆者らのMIL定式化,WSDGアプローチを拡張して一つの分類器を学習するために提案した。試験段階では,提案アプローチでは,各カテゴリーの異なる潜在領域からの複数の分類器を統合した効果的に優れた汎化能力を得ることができた。WSDGアプローチは,特権情報(PI)としてのWebデータに関連する付加的なテキスト記述を利用する拡張した,試験データは,このようなPIを持たなかった。三つのベンチマークデータセット上での包括的な実験を行い,新たに提案した方法は,Webデータからの学習による実世界視覚認識タスクに有効であることを示した。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： *学習 ,  録画装置 ,  *視認 ,  *汎化 ,  定式化 ,  雑音 ,  ロバスト性 ,  *Web【情報システム】 ,  クラスタ
準シソーラス用語： 試験データ ,  テキスト ,  マルチインスタンス学習 ,  Web画像 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 教師 ,  ドメイン ,  汎化 ,  Web ,  学習 ,  視覚認識