文献

J-GLOBAL ID：201702255160601605   整理番号：17A1024545

Multiordered識別構造化部分空間学習を用いたクロスモーダル検索【Powered by NICT】

Cross-Modal Retrieval Using Multiordered Discriminative Structured Subspace Learning

著者 (5件)： Zhang Liang (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, China) ,  Ma Bingpeng (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, China) ,  Li Guorong (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, China) ,  Huang Qingming (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, China) ,  Tian Qi (Department of Computer Sciences, University of Texas at San Antonio, San Antonio, TX, USA)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 19  号： 6  ページ： 1220-1233  発行年： 2017年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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： クロスモーダル検索のための新しい方法を提案した。伝統的なベクトル(テキスト)-へのベクトル(画像)フレームワークに加えて,異なる特徴空間の構造を忠実にマトリックス(テキスト)-マトリックス(画像)フレームワークを採用した。さらに,識別型構造的部分空間,基礎データ分布は,望ましい計量を確保するための保存されているを学習するために,新しい計量学習フレームワークを提案した。具体的には,提案した方法の三段階がある。最初に,高次統計を用いて特徴情報を濃縮するための画像とテキストを表現した。共同各画像とテキストを特性化するために共分散(二次),平均(一次),視覚(テキスト)特徴のバッグ(零次)を用いた。第二に,不均一共分散行列は異なるRiemann多様体と異なるEuclid空間上の他の特徴にある,ことを考慮して,多重距離計量を統合する統一計量学習フレームワーク,各次数統計的特徴を提案した。このフレームワークは,基本的なデータ分布を保持し,良好な整合不均一データのための相補的情報を利用した。最後に,異なるモダリティ間の類似性は共通の部分空間への高次統計的特徴を変換して測定することができる。以前の手法に比べて提案した方法の性能を二の公共データ集合での実験により実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 共分散 ,  Euclid空間 ,  *学習 ,  類似性 ,  視覚 ,  画像 ,  高次統計量 ,  キャラクタリゼーション ,  ベクトル ,  Riemann空間
準シソーラス用語： 統計的特徴 ,  共分散行列 ,  *部分空間 ,  特徴空間 ,  テキスト , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 識別 ,  構造化 ,  部分空間学習 ,  検索