文献

J-GLOBAL ID：201702257906697385   整理番号：17A1772984

人物属性分類への応用を持つ複数タスクネットワークにおける完全適応特徴共有【Powered by NICT】

Fully-Adaptive Feature Sharing in Multi-Task Networks with Applications in Person Attribute Classification

著者 (6件)： Lu Yongxi ,  Kumar Abhishek ,  Zhai Shuangfei ,  Cheng Yu ,  Javidi Tara ,  Feris Rogerio
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1131-1140  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： マルチタスク学習は,それらを横切る関連情報を共有することにより,多重予測タスクの汎化性能を改善することを目指した。深層ニューラルネットワークの文脈では,このアイデアはしばしばタスク特異的特徴をコードするタスクと枝を横切る共有される層を持つ人手ネットワークアーキテクチャにより実現した。しかし,可能性のあるマルチタスク深いアーキテクチャの空間が組み合わせ的に大きい,しばしば最終アーキテクチャは,この空間の手動探査,誤りの多いと退屈の両方によって,成り立っている。小型マルチタスク深い学習アーキテクチャを設計するための自動手法を提案した。提案アプローチでは,薄い多層ネットワークで始まり,訓練中に,欲張り的な方法でそれを拡大した。反復そうすることにより,最上層まで樹状深層アーキテクチャ,類似タスクは同じ分枝に存在を生成する。顔面と衣服属性を含む者属性分類タスク上での評価により,提案した方法により生成されるモデルは高速,コンパクトで非常に高価なモデルによる強力なベースラインから最新の精度に適合または超え密接にできることを示唆した。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： ネットワークアーキテクチャ ,  多重化 ,  ニューラルネットワーク ,  基準線 ,  *ネットワーク ,  予測 ,  衣服 ,  計算機アーキテクチャ ,  汎化 ,  学習 ,  深層 ,  高速度 ,  多層
準シソーラス用語： マルチタスク ,  マルチタスク学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (7件)： 人物 ,  属性 ,  分類 ,  応用 ,  タスク ,  適応 ,  共有