文献

J-GLOBAL ID：201702281720456657   整理番号：17A1254890

周縁化ノイズ除去メトリック学習を用いた野生の家族に関する親族関係検証【Powered by NICT】

Kinship Verification on Families in the Wild with Marginalized Denoising Metric Learning

著者 (3件)： Wang Shuyang ,  Robinson Joseph P. ,  Fu Yun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： FG  ページ： 216-221  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： 野生(FIW)データセットでは,家族,12,000以上の家族写真における1,000科ラベルから成るを用いて,著者らは現在までの所最大の家族性検証実験のベンチマークを行った。世界が全ファミリーツリーのための品質データとラベルを持つ,FIWは全378年,300面対9異なる関係タイプの血縁者の真の,全球分布はより正確に。これは現代のデータ駆動法,血縁者の顔対を考慮した場合には視覚家族性認識 多くの隠れた因子とより少ない識別を含む作業の複雑な性質のために必須の問題に取り組む支援与えた。このために,明示的にデータの陰的構造を保存し,同時に学習した特徴に識別情報を与えるために,ロバストな距離学習(DML)フレームワークノイズ除去オートエンコーダとその社会的に疎外されたバージョン(mDML)を提案した。大規模実験は筆者らの手法が9関係タイプのそれぞれについて他の特徴と計量に基づくアプローチ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： ロバスト性 ,  *雑音低減 ,  *学習 ,  ベンチマーク ,  視覚 ,  品質
準シソーラス用語： 識別子 ,  データ駆動 ,  血縁 ,  検証実験 ,  *親族 , 【Automatic Indexing@JST】

分類 (2件)： 産業衛生,産業災害  (GB05000S) ,  看護,看護サービス  (GB07000G)

タイトルに関連する用語 (5件)： ノイズ除去 ,  メトリック学習 ,  家族 ,  親族 ,  検証