抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
シーンパージング,認識や検索のための大部分の方法は(i)独立に訓練または(ii)対象オブジェクトあるいはオブジェクト属性句の結合のための訓練併用する検出器を用いた。はこれら二つの極のどちらも全てのカテゴリーと結合,性能の点で,一様に最適であることを仮定した。独立または複合検出器を訓練すべきかの選択は,別々に各可能な組み合わせのために行われるべきであり,データセットの統計に依存する。例えば,者保持電話は単一の複合検出器を用いてより正確にモデル化できるが,高い者は二検出器の組み合わせとしてより正確にモデル化できる。は複数の問題とデータセットとの関連でこの問題を包括的に調べた。さらに,e不全に対して,独立のまたは共同の複合検出器は,与えられた組合せのためのより正確であるかどうかのカテゴリー表C特徴(例えば,サンプルサイズ,エントロピーなど)の数に基づいた予測法を提案した。予測と選択機構を一般化し,多数の大規模データセットとビジョンタスクの改善された性能をもたらすことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】