文献

J-GLOBAL ID：201702290910368552   整理番号：17A1417897

スパースおよび不完全タグによる視覚概念構造の発見【Powered by NICT】

Discovering visual concept structure with sparse and incomplete tags

著者 (3件)： Wang Jingya (School of EECS, Queen Mary University of London, Mile End Road, London, E1 4NS, UK) ,  Zhu Xiatian (School of EECS, Queen Mary University of London, Mile End Road, London, E1 4NS, UK) ,  Gong Shaogang (School of EECS, Queen Mary University of London, Mile End Road, London, E1 4NS, UK)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 250  ページ： 16-36  発行年： 2017年 
JST資料番号： E0180C  ISSN： 0004-3702  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 標識視覚データ(例えばWebビデオと画像)の意味構造を自動的に発見視覚データ解析と解釈のための重要である,マルチメディアデータの急速成長量を処理する効果的に人工知能を可能にした。しかし,これは不均一視覚およびタグデータ間の相関を一緒に学習するの必要性のために簡単ではない。タスクは本質的に疎で不完全なタグにより診断が一層困難になった。本研究では,視覚意味論をより正確に解釈,例えば類似の高レベル概念と意味のある視覚群を,個々の視覚データサンプルのミッシングタグを回収するように構造化された視覚およびタグ情報を相関させることができる新規な階層的マルチラベルランダムフォレストモデルに基づく固有視覚データ概念構造をモデル化するための方法を開発した。より詳しくいえば,視覚およびタグ相互作用のモデル化に加えて,著者らのモデルは,異なる意味抽象性および複数のタグの統計的相関の階層的に構造化したタグを利用した。結果として,このモデルはテキストタグおよび視覚特徴間のより正確な意味論的相関を発見することができ,最終的に非常に疎で不完全なタグでも良好な視覚意味論解釈を提供した。は二つの基本的応用,視覚データクラスタリングと欠損タグ完成に筆者らの提案アプローチの利点を示し,ベンチマークビデオ(すなわちTRECVID MED2011)と画像(すなわちNUS-WIDE)データセット。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： Web【情報システム】 ,  高速度 ,  モデリング ,  録画装置 ,  人工知能 ,  *視覚 ,  相互作用 ,  画像 ,  意味論 ,  データ解析 ,  構造形成
準シソーラス用語： データクラスタリング ,  視覚顕著 ,  *概念構造 , 【Automatic Indexing@JST】

著者キーワード (8件)： 視覚意味構造 ,  タグ階層 ,  タグ相関 ,  スパースタグ ,  不完全タグ ,  データクラスタリング ,  失われたタグ完備化 ,  ランダム森林

分類 (3件)： 人工知能  (JE08000Z) ,  計算理論  (JB02000A) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： タグ ,  視覚 ,  概念構造 ,  発見