文献

J-GLOBAL ID：201702268728622432   整理番号：17A1398318

効率的画像検索のための深いハッシュ学習【Powered by NICT】

Deep hash learning for efficient image retrieval

著者 (5件)： Xuchao Lu (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, China) ,  Li Song (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, China) ,  Rong Xie (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, China) ,  Xiaokang Yang (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, China) ,  Wenjun Zhang (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMEW  ページ： 579-584  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： ハッシング法はコンテンツベース画像検索のための広く使用されている方法である。画像のより複雑な意味的類似性のために,手作りの特徴に基づく教師つきハッシング法はその限界を示した。畳込みニューラルネットワーク(CNN)は,強力な自動特徴学習能力を持っている。この理由のため,CNNベースの深ハッシング法は以前の方法より性能が優れている。本論文では,効率的な画像検索のための新しい深教師つきハッシング法を提案した。出力層としてハッシュ層を有する新規な深ネットワークを設計した。訓練のための最適目標ハッシュコードを生成するアルゴリズムを提案する。同時特徴抽出とハッシュ関数学習のための点ごとの訓練を行った。標準画像検索のベンチマーク上での実験を行い,この方法では,教師なし,教師つきおよび深いハッシング法を含むその他の最先端レベル手法よりも優れていることを示した。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： ハッシング ,  ベンチマーク ,  畳込み ,  アルゴリズム ,  ニューラルネットワーク ,  *画像検索 ,  特徴抽出 ,  *画像 ,  *学習 ,  ハッシュ関数 ,  ネットワーク
準シソーラス用語： 最先端 ,  学習能力 ,  意味類似性 ,  コンテンツベース画像検索 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 画像検索 ,  学習