文献

J-GLOBAL ID：201802230415979884   整理番号：18A0518915

畳込みニューラルネットワークを介した半教師付きドメイン適応【Powered by NICT】

Semi-supervised domain adaptation via convolutional neural network

著者 (5件)： Liu Pengcheng (Intelligent Media Technique Research Center, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences) ,  Cheng Cheng (Intelligent Media Technique Research Center, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences) ,  Feng Youji (Intelligent Media Technique Research Center, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences) ,  Shao Xiaohu (Intelligent Media Technique Research Center, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences) ,  Zhou Xiangdong (Intelligent Media Technique Research Center, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 2841-2845  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： のみいくつかの標識サンプルされる半教師つき視覚領域適応は源領域における学習されたモデルを適合させる目標領域に向けられている。本論文では,特徴学習と認識モデルの学習を統合する畳込みニューラルネットワークフレームワークに半教師つきクロスドメイン画像認識法を提案した。ソース及びターゲットドメインにおけるいくつかの標識サンプルとラベル無しサンプルに基づいて,特にネットワークはドメイン不変性とクラス間の識別であることを画像特徴を生成するために同時に最適化するクラスラベル,領域ラベルと類似性ラベル予測のための三分枝を設計した。実験結果は,この方法がロバストな学習領域間共通画像認識モデルに有効であり,広く使用されている視覚領域適応ベンチマーク上で最先端レベルの性能を達成することを示した。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： ベンチマーク ,  *ネットワーク ,  予測 ,  学習 ,  ロバスト性 ,  類似性 ,  認知モデル ,  画像 ,  画像認識 ,  最適化 ,  視覚 ,  不変性 ,  画像特性
準シソーラス用語： 最先端 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  教師 ,  ドメイン適応