文献

J-GLOBAL ID：201702241096108759   整理番号：17A1125604

グループスパース自動符号器【Powered by NICT】

Group sparse autoencoder

著者 (4件)： Sankaran Anush (Indraprastha Institute of Information Technology (IIIT) Delhi, India) ,  Vatsa Mayank (Indraprastha Institute of Information Technology (IIIT) Delhi, India) ,  Singh Richa (Indraprastha Institute of Information Technology (IIIT) Delhi, India) ,  Majumdar Angshul (Indraprastha Institute of Information Technology (IIIT) Delhi, India)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 60  ページ： 64-74  発行年： 2017年 
JST資料番号： A0611C  ISSN： 0262-8856  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： 教師なし特徴抽出は,任意の種類の雑音データを表現するためにその成功後の多くの研究の注目を集めている。訓練パラメータの存在により,これらの特徴学習モデルは過剰適合する傾向がある。異なる正則化法は,深い学習モデルにおける過剰適合を避けるために文献で研究されている。本研究では,特徴学習アーキテクチャとしてオートエンコーダを考察し,その学習能力,グループスパースAutoEncoder(GSAE)と呼ばれるを改善するためのL_2,1ノルムベース正則化を提案した。_2,1ノルムは,同一クラスからの特徴は,特徴空間における一般的なスパース性パターンを持つであろうという仮定に基づいている。多数化-最小化アプローチを用いたグループスパース符号化のための学習アルゴリズムを提案した。提案したアルゴリズムの性能は,三ベースライン画像データセット:MNIST,CIFAR,SVHNで研究した。さらに,GSAEを用いて,潜在指紋から特徴点検出のための新しい深い学習に基づく画像表現を提案した。潜在フィンガープリントは部分フィンガー領域,非常に雑音の多いリッジパターンのみを含み,表面に依存して,堆積した,有意なバックグラウンドノイズを含んでいる。二クラス分類問題として特徴点抽出の問題を定式化し,GSAEの新しい定式化を用いて記述子を学習する。二種類の公開利用可能潜在指紋データセット上での実験結果により,提案したアルゴリズムは,自動化された特徴点抽出のための最先端技術レベルの結果をもたらすことを示した。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： 学習アルゴリズム ,  学習 ,  雑音 ,  定式化 ,  *透視図法 ,  学習モデル ,  自動化 ,  正則化 ,  ノルム ,  特徴抽出
準シソーラス用語： 画像表現 ,  特徴点 ,  潜在指紋 ,  スパース性 ,  特徴空間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師つき自動符号器 ,  グループスパース性 ,  潜在指紋 ,  詳細抽出

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： グループ ,  符号器