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。
画像集合を用いた顔認識のために,既存の研究の多くは主に手作りの特徴を持つロバストな集合モデルの構築に焦点を当てたが,その後の画像セットモデリングと分類に一致して良好な画像表現を学習するために研究ギャップが残っている。最近有望な成功を考慮した集合モデルとして標本共分散行列を用いて,著者らは,上記のギャップを埋めるために弁別共分散配向表現学習(前記)フレームワークを提案した。フレームワークを顔画像ターゲット表現空間に投影するために特徴学習ネットワーク(CNN)を構築し,ネットワークは標的空間における計算設定共分散行列を最大識別能力を持つことを目標に向けて訓練される。集合共分散行列の識別能力を符号化するために,筆者らは,二種の損失関数,それぞれ二種類の表現学習スキーム,すなわち,グラフ埋込み方式とソフトマックス回帰方式に導くを設計し詳細に。両方式は画像表現マッピングと集合モデル分類の両方共同学習方法を含むネットワーク全体を最適化した。提案した方法を,幅広く画像セット,すなわち,YouTube有名人,YouTube顔DBと点およびシュート挑戦を用いた顔認識タスクのための三つの挑戦的な,大規模データベースで検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】