文献

J-GLOBAL ID：201702269548877418   整理番号：17A1398578

細粒視覚認識のためのクラス内変動の組み込み【Powered by NICT】

Incorporating intra-class variance to fine-grained visual recognition

著者 (6件)： Em Yan (SECE of Shenzhen Graduate School, Peking University, Shenzhen, China) ,  Gag Feng (National Engineering Lab for Video Technology, Peking University, Beijing, China) ,  Lou Yihang (SECE of Shenzhen Graduate School, Peking University, Shenzhen, China) ,  Wang Shiqi (Rapid-Rich Object Search Laboratory, Nanyang Technological University, Singapore) ,  Huang Tiejun (National Engineering Lab for Video Technology, Peking University, Beijing, China) ,  Duan Ling-Yu (National Engineering Lab for Video Technology, Peking University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 1452-1457  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： 細粒度視覚認識は視覚的に類似したカテゴリー間の識別特性を把握することを目的とした。最新の研究は,三重項ネットワークを用いた深い計量学習による細粒認識性能を著しく改善した。しかし,認識とロバストな特徴表現の性能に及ぼすカテゴリー内分散の影響は十分に研究されていない。本論文では,著者らは,微粒化認識の性能を改善するための三重項ネットワークの計量学習におけるクラス内分散を活用することを提案した。各カテゴリー数群に内の分配訓練画像により,異なるカテゴリーの三重項試料と異なるグループ,グループ感受性TRipletサンプリング(GS TRS)と呼ばれるを形成した。,三重項損失関数はGS TRS,三重項ネットワークの最適化目的に寄与すると推定されるクラス内分散を組み込むことにより強化された。ベンチマークデータセット上で包括的な実験CompCarとVehicleIDを提案GS TRSは両分類と検索タスクで最新技術の手法よりも顕著にすぐ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： *視覚 ,  ロバスト性 ,  感受性 ,  三重項 ,  *視認 ,  損失関数 ,  ネットワーク ,  微粒化 ,  最適化 ,  学習 ,  画像
準シソーラス用語： 特徴表現 ,  細粒度 , 【Automatic Indexing@JST】

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 (4件)： 細粒 ,  視覚認識 ,  クラス ,  組み込み