文献

J-GLOBAL ID：201702246733064764   整理番号：17A1724611

学習局所特徴凝集はバックプロパゲーションによる機能【Powered by NICT】

Learning local feature aggregation functions with backpropagation

著者 (4件)： Katharopoulos Angelos (Multimedia Understanding Group, ECE Department, Aristotle University of Thessaloniki, Greece) ,  Paschalidou Despoina (Multimedia Understanding Group, ECE Department, Aristotle University of Thessaloniki, Greece) ,  Diou Christos (Multimedia Understanding Group, ECE Department, Aristotle University of Thessaloniki, Greece) ,  Delopoulos Anastasios (Multimedia Understanding Group, ECE Department, Aristotle University of Thessaloniki, Greece)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 748-752  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： 本論文では,局所特徴集約関数のファミリーとそのパラメータを推定する新たな方法を紹介し,分類(または費用関数最小化問題として表現できることを,タスク)のための最適表現を生成する。を達成するために,分類器費用関数を用いた局所特徴集約関数を構成すると局所特徴集約関数パラメータを更新するために,このコスト関数の勾配をbackpropagate。合成データセット上での実験により,提案手法では,局所特徴空間に加えてクラス関連情報をモデル化するパラメータを発見することを示した。種々運動と視覚記述子の更なる実験,画像およびビデオデータセット上で,提案手法では,単語,FisherベクトルとVLADのバッグのような,他の最新の局所特徴集約関数よりも優れている大きなマージンによることを示した。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： 集中化 ,  学習 ,  単語 ,  最小化問題 ,  ベクトル ,  モデリング ,  *逆伝搬法 ,  *凝集 ,  視覚 ,  費用関数 ,  画像
準シソーラス用語： *局所特徴 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  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 (4件)： 学習 ,  局所特徴 ,  凝集 ,  バックプロパゲーション