文献

J-GLOBAL ID：201702275762944987   整理番号：17A1773511

通常の教師つき分類に対する0ショット学習から視覚データ合成をUnseen【Powered by NICT】

From Zero-Shot Learning to Conventional Supervised Classification: Unseen Visual Data Synthesis

著者 (6件)： Long Yang ,  Liu Li ,  Shao Ling ,  Shen Fumin ,  Ding Guiguang ,  Han Jungong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 6165-6174  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： 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】

シソーラス用語： 画像 ,  *粒状材 ,  物体認識 ,  *学習 ,  *視覚 ,  特徴抽出 ,  アルゴリズム ,  ロバスト性
準シソーラス用語： 最先端技術 ,  視覚顕著 ,  *教師付き分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 教師 ,  分類 ,  ショット ,  学習 ,  視覚