文献

J-GLOBAL ID：201802230371233861   整理番号：18A0518610

視覚感情解析のための弱ラベル付きデータ中の雑音の多い標識の低減【Powered by NICT】

Reducing noisy labels in weakly labeled data for visual sentiment analysis

著者 (6件)： Wu Lifang (School of Information and Communication Engineering, Beijing University of Technology, Beijing, China, 100124) ,  Liu Shuang (School of Information and Communication Engineering, Beijing University of Technology, Beijing, China, 100124) ,  Jian Meng (School of Information and Communication Engineering, Beijing University of Technology, Beijing, China, 100124) ,  Luo Jiebo (Department of Computer Science, University of Rochester Rochester, NY, USA 14623) ,  Zhang Xiuzhen (Department of Computer Science and IT, RMIT University, Melbourne, 3000, Australia) ,  Qi Mingchao (School of Information and Communication Engineering, Beijing University of Technology, Beijing, China, 100124)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1322-1326  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： 深学習ベース視覚感情分析は訓練のための大規模データセットを必要とする。この方法で採取したいくつかの画像に誤分類されるので,社会的ネットワークからのデータセットが盛んであるが,雑音の多い。,データセットを精密化する必要がある。そのようなデータセットにの観察に基づいて,形容詞名詞対(ANP)とタグの感情に基づく精密化アルゴリズムを提案した。ANPとタグ間の感情矛盾による信頼性なラベル付き画像を決定した。正と負の感情とタグの数が等しい場合これらの画像を除去する。残りの画像はタグの感情の多数決投票に基づく再び標識した。さらに,ソフトマックスとEuclid型損失関数を組み合わせることで,従来深層学習モデルを改善した。さらに,改良モデルは洗練されたデータセットを用いて訓練した。実験はデータセット精密化アルゴリズムと改良された深い学習モデルの両方が効果的であることを示した。提案したアルゴリズムは,ベンチマーク結果を達成している。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： 損失関数 ,  画像 ,  アルゴリズム ,  *視覚 ,  学習 ,  名詞 ,  ベンチマーク ,  学習モデル ,  *雑音 ,  精密化
準シソーラス用語： 深層学習 ,  多数決投票 ,  形容詞 ,  社会的ネットワーク ,  感情分析 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 視覚 ,  感情 ,  解析 ,  ラベル ,  雑音 ,  標識