文献

J-GLOBAL ID：201702259521625385   整理番号：17A1855159

意味知識を融合する深さ表現学習と視覚理解への応用【JST・京大機械翻訳】

The Semantic Knowledge Embedded Deep Representation Learning and Its Applications on Visual Understanding

著者 (4件)： Zhang Ruimao (中山大学数据科学与計算机学院 广州 510006) ,  Peng Jiefeng (中山大学数据科学与計算机学院 广州 510006) ,  Wu Yang (中山大学数据科学与計算机学院 广州 510006) ,  Lin Jing (中山大学数据科学与計算机学院 广州 510006)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 54  号： 6  ページ： 1251-1266  発行年： 2017年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年、深さの学習技術の進歩により、伝統的なコンピュータビジョンタスクは以前に発展されていないことが明らかになった。従来の視覚研究における領域知識を深さモデルに組み込むことにより、深さモデルの視覚表現能力を向上させ、より複雑な視覚タスクに対処することは、学術界において広く注目されている問題となっている。これにより、意味知識を融合させた深さ表現学習をメインラインとして、一連の研究を展開した。得られた主要な成果は3つの側面を含んでいる。1)単一タイプの意味情報(カテゴリー類似性)を深さ特徴に組み入れる学習において、正則化意味関連を埋め込む深さHash学習方法を提案し、画像の類似性比較と検索問題に応用し、大きな性能向上を得た。2)多種類の情報(多重文脈情報)を深さ特徴に組み入れた学習について研究し、長短期記憶神経回路網に基づくシーン文脈学習方法を提案し、複雑なシーンの幾何属性分析問題に応用した。3)視覚的データの構造化意味配置を深さ表現に組み入れる学習について研究し、文法知識を融合する表現学習方法を提案し、複雑な場面における汎用内容解析問題に応用した。実験結果は,以下を示した。この方法は,シーンの構造的配置を効果的に予測することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  文法 ,  正則化 ,  ドメイン知識 ,  構造形成 ,  *学習 ,  多重化 ,  モデリング ,  *視覚 ,  画像 ,  神経回路網 ,  幾何学
準シソーラス用語： 文脈情報 ,  学習方法 ,  意味情報 ,  視覚表現 , 【Automatic Indexing@JST】

著者キーワード (5件)： deep learning ,  neural networks ,  semantic embedding ,  scene parsing ,  similarity search

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 意味 ,  知識 ,  融合 ,  表現学習 ,  視覚 ,  理解 ,  応用