文献

J-GLOBAL ID：201802227733934664   整理番号：18A0137369

DualGAN:画像間の翻訳のための教師なし二重学習【Powered by NICT】

DualGAN: Unsupervised Dual Learning for Image-to-Image Translation

著者 (4件)： Yi Zili ,  Zhang Hao ,  Tan Ping ,  Gong Minglun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 2868-2876  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： クロスドメイン画像翻訳のための条件付き生成敵対的ネットワーク(GANs)は最近,[7+8 21 12 4 18]非常に進歩した。タスクの複雑さに依存して,百万標識画像対の~千は条件付きGaNを訓練するために必要である。しかし,ヒト標識は高価で,実用的であり,多量のデータが常に利用可能ではないかもしれない。自然言語翻訳[23]からの二重学習に触発されて,新しい二重GaN機構,二つのドメインからラベル付けされていない画像の二セットから訓練への画像トランスレータを開発した。アーキテクチャでは,初期GaNはドメインUからの画像を変換ドメインVにおけるに学習し,一方二重GaNは,タスクを反転させるために学習する。主と二重課題による閉ループはドメインからの画像を可能にする翻訳され,得ることができる。画像の再構成誤差を考慮した損失関数をトランスレータを訓練するために使用することができる。非標識データと多重画像翻訳タスク上での実験を行い,単一GaN上DualGANのかなりの性能利得を示した。あるタスクの場合,DualGANは完全にラベル付けされたデータ上で訓練された条件付きGaNと同等かわずかに良い結果を達成することができる。Copyright 2018 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 ,  損失関数 ,  *学習 ,  再構成 ,  利得 ,  ネットワーク ,  計算機アーキテクチャ ,  窒化ガリウム ,  ヒト ,  自然言語 ,  多重化
準シソーラス用語： 二重課題 ,  敵意 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 翻訳 ,  教師 ,  学習