抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ロバストな物体認識システムは通常多数の実画像からの強力な特徴抽出機構に依存している。しかし,多くの現実的な応用では,成長し続ける新しいクラスのための十分な画像を収集できなかった。本論文では,実画像を取得せずに未知のクラスのための視覚特徴を合成できる新しい零ショット学習(ZSL)フレームワークを提案した。提案した目に見えない視覚データ合成(UVDS)アルゴリズムを用いて,意味属性は,訓練段階で未知の視覚特徴を合成するための中間手がかりとして利用した。今後,ZSL認識は,従来の教師つき問題に変換され,すなわち合成した視覚的特徴は,SVMのような典型的な分類器に与えた直接的に理解できる。四つのベンチマークデータセット,を合成し未知データを用いることの利点を実証した。広範な実験結果は筆者らの提案アプローチが最先端技術の結果を顕著に改善することを明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】