文献

J-GLOBAL ID：201702292139271052   整理番号：17A0451060

関節標識と作用予測による深いアクティブ物体認識【Powered by NICT】

Deep active object recognition by joint label and action prediction

著者 (6件)： Malmir Mohsen (Computer Science and Engineering Department, University of California San Diego, 9500 Gilman dr., San Diego CA 92093, USA) ,  Sikka Karan (Electrical and Computer Engineering Department, University of California San Diego, 9500 Gilman dr., San Diego CA 92093, USA) ,  Forster Deborah (Qualcomm Inst., University of California San Diego, 9500 Gilman dr., San Diego CA 92093, USA) ,  Fasel Ian (Emotient.com, 4435 Eastgate Mall, Suite 320, San Diego, CA 92121, USA) ,  Movellan Javier R. (Emotient.com, 4435 Eastgate Mall, Suite 320, San Diego, CA 92121, USA) ,  Cottrell Garrison W. (Computer Science and Engineering Department, University of California San Diego, 9500 Gilman dr., San Diego CA 92093, USA)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 156  ページ： 128-137  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： アクティブ物体認識システムである訓練のに適していることが画像を捕捉し,試験時間においてより良好な性能をもたらすこと環境に作用するという利点がある。本論文では,物体ラベルを同時に予測してアクティブ物体認識のための深い畳込みニューラルネットワークと認識性能の改善を目的として,物体に実施すべき次の行動を利用した。強化学習問題としてアクティブ物体認識を処理し,物体ラベルと作用の結合予測のためのネットワークを訓練するために費用関数を導出した。Dirichlet分布に基づく物体類似性の生成モデルはシステムの状態を符号化するためのネットワークを提案し,埋め込まれている。訓練は勾配降下を用いたラベルと作用予測誤差を同時に最小化することにより行った。提案したネットワークである物体ラベルとGERMSに対する作用,活性物体認識のためのデータセットを予測できることを実験的に示した。DirichletとナイーブBayes状態符号化を用いた提案したモデルの試験標識予測精度を比較した。実験の結果は,Dirichlet状態符号化を備えた提案したモデルは,性能の点で優れていると,試験時間でのラベル予測のより良い訓練と高い精度をもたらすことを画像を選択することを示唆した。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： ネットワーク ,  畳込み ,  学習 ,  費用関数 ,  符号化 ,  ニューラルネットワーク ,  *物体認識 ,  予測誤差 ,  強化学習 ,  類似性 ,  画像
準シソーラス用語： 予測精度 ,  生成モデル ,  Dirichlet分布 , 【Automatic Indexing@JST】

著者キーワード (3件)： アクティブ物体認識 ,  深い学習 ,  Q学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 関節 ,  標識 ,  予測 ,  物体認識