文献

J-GLOBAL ID：201702256892446344   整理番号：17A1398309

効率的画像検索のための教師つき深量子化【Powered by NICT】

Supervised deep quantization for efficient image search

著者 (5件)： Dongbao Yang (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Hongtao Xie (Institute of Information Engineering, Chinese Academy of Sciences, China) ,  Jian Yin (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Yizhi Liu (School of Computer Science and Engineering, Hunan University of Science and Technology, Xiangtan, China) ,  Chenggang Yan (Institute of Information and Control, Hangzhou Dianzi University, Hangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMEW  ページ： 525-530  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： 大規模画像検索のための近似最近傍探索におけるコンパクト二値符号の効率に起因して,ハッシング技術が注目を集めている。ほとんどの既存のハッシュ法では,準最適二値符号が発生して,手作りの特徴表現は2進符号と両立する最適ではない。本論文では,高品質二値符号を学習するための一段階教師つきハッシング法を提案した。深い畳込みニューラルネットワークを実装し,以下の基準を満たすために学んだコードを:(a)類似した像は似たような二値符号,およびその逆に符号化すべきである;(b)2進符号は均一に分布すべきである;(c)量子化の損失は最小化すべきである。方法と最先端アルゴリズム間の実験的比較はCIFAR10とNUS-WIDEデータセット上で実施し,この方法のMAPはそれぞれ48ビットで87.67%と77.48%に達した。は,この方法が検索精度を明らかに改善できることを示した。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： 近似法 ,  符号化 ,  近傍探索法 ,  *画像検索 ,  アルゴリズム ,  畳込み ,  *量子化 ,  ハッシング ,  ニューラルネットワーク
準シソーラス用語： 検索精度 ,  最先端 ,  高品質 ,  特徴表現 ,  バイナリコード , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 画像検索 ,  教師 ,  量子化