文献

J-GLOBAL ID：201702259368533088   整理番号：17A1034495

画像特徴学習のためのニューラル単語ベクトルを用いたクロスモーダル移動【Powered by NICT】

Cross-modal transfer with neural word vectors for image feature learning

著者 (5件)： Irie Go (NTT Corporation, Japan) ,  Asami Taichi (NTT Corporation, Japan) ,  Tarashima Shuhei (NTT Corporation, Japan) ,  Kurozumi Takayuki (NTT Corporation, Japan) ,  Kinebuchi Tetsuya (NTT Corporation, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2916-2920  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： word2vecのようなニューラル単語ベクトル(NWV)はコンパクトなベクターに広範な意味情報を符号化することができる強力なテキスト表現ツールである。この能力は処理の研究を画像化に関連した,NWVsからより優れた意味的画像特徴を学習する意味論的コンテンツベース画像検索(CBIR)のコンテキストの中でこの問題を経験的に探索できる興味ある問題を提起する。本論文では,クロスモーダル転移学習(CMT)はNWVsを用いて初期畳込みニューラルネットワーク(CNN)画像特徴を改善するために考察した。NWVsは古典的な単語ベクトルと比較して意味CBIR(コンテンツベース画像検索)性能を改善できることを示し,単純なCMTモデル,すなわち,正準相関分析(CCA)である。NWVsの特性に触発されて,新しいCMTモデルを提案し,それがさらにCBIR(コンテンツベース画像検索)性能を向上させることが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： *ベクトル ,  *画像特性 ,  ベクター ,  *学習 ,  畳込み ,  意味論 ,  *単語 ,  ニューラルネットワーク ,  符号化
準シソーラス用語： 正準相関解析 ,  転移学習 ,  コンテンツベース画像検索 ,  画像化 ,  テキスト ,  意味情報 , 【Automatic Indexing@JST】

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 画像特徴 ,  学習 ,  単語 ,  ベクトル