文献

J-GLOBAL ID：201702247944780689   整理番号：17A1257148

深い学習に基づく画像記述生成【Powered by NICT】

Deep learning based image description generation

著者 (3件)： Kinghorn Philip (Department of Engineering and Environment, Northumbria University, Newcastle Upon Tyne, Tyne and Wear) ,  Zhang Li (Department of Engineering and Environment, Northumbria University, Newcastle Upon Tyne, Tyne and Wear) ,  Shao Ling (Department of Engineering and Environment, Northumbria University, Newcastle Upon Tyne, Tyne and Wear)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 919-926  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： 画像の内容を記述する機械のための挑戦的な課題である。だけでなく物体とヒトの正確な認識でなく,それらの属性と関係シーン情報を必要とする。ケアを必要とする高齢者や利用者を支援するための転倒と危険な物質を同定するためにこのプロセスを拡張するためにさらに挑戦的である。本研究では,映像コンテンツのマルチ文自然言語記述を生成する以上の課題に対処するための最初の試みを行った。地域画像詳細を抽出するために局所領域ベースアプローチを採用し,実世界画像の詳細な記述を生成することができることを高レベルラベルを生成する機械学習特徴を利用した深層学習と属性学習を含む多数の技術を組み合わせたものである。システムは,シーン分類,オブジェクト検出と分類,属性学習,関係検出と文生成のコア機能を含んでいる。はさらにこのプロセスは開放端転倒検出ならびに危険有害性物質の特定を扱うために拡張した。最新の関連した研究と比較して,提案システムでは,新しい,無関係な領域からのテスト画像,多くの既存の方法に大きな課題となっているを扱うにおける優れたロバスト性と柔軟性を示した。転倒と危険なオブジェクトを含む画像の小データセットを用いて評価したとき,本システムはFlickr8kとPascal VOC2012から部分集合上で評価し,印象的な平均BLEUスコア46を達成し,10BLEUスコアの有意なに関連した研究より性能が優れている。IAPR TC12データセットのサブセットを用いて評価したとき,また,印象的な性能を示した。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： ロバスト性 ,  *学習 ,  *画像 ,  転倒 ,  自然言語 ,  部分集合 ,  ヒト ,  機械学習 ,  老人
準シソーラス用語： スコア ,  文章生成 ,  物体検出 ,  シーン分類 ,  深層学習 ,  映像コンテンツ , 【Automatic Indexing@JST】

分類 (2件)： 看護,看護サービス  (GB07000G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 学習 ,  記述