文献

J-GLOBAL ID：201702253438232365   整理番号：17A1773488

弱教師つきデータを用いた効率的な複数インスタンスメトリック学習【Powered by NICT】

Efficient Multiple Instance Metric Learning Using Weakly Supervised Data

著者 (5件)： Law Marc T. ,  Yu Yaoliang ,  Urtasun Raquel ,  Zemel Richard S. ,  Xing Eric P.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 5948-5956  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： インスタンスのバッグ(または集合)はラベルバッグで標識される弱教師つき環境における距離メトリックを学習考察した。類似していると推定されるインスタンス間の距離は同一ではないことを推定したインスタンス間の距離よりも小さくなるように計量である学習する一般的なアプローチは,多重インスタンス学習(MIL)問題として問題を定式化した。古典的アプローチは,学習された距離の最適化と類似事例の帰属を交互に変わる。本論文では,計量とインスタンスの割当てを学習する併用する効率的な方法を提案した。特に,例がバッグレベルで提供されたアノテーションに依存してカテゴリーに帰属されるが著者らのモデルはMIL問題のためのk-平均の拡張を解くことにより学習される。著者らの学習アルゴリズムは,MIL問題のための計量学習法よりもはるかに迅速であり,顔同定のための自動化画像アノテーションおよびインスタンス分類における最先端技術の認識性能が得られた。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： アノテーション ,  最適化 ,  *学習 ,  自動化 ,  多重化 ,  学習アルゴリズム ,  定式化
準シソーラス用語： 最先端技術 ,  画像アノテーション ,  *ホップ数 ,  *メトリック学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 教師 ,  インスタンス ,  メトリック学習