抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
低ショット顔認識はコンピュータビジョンにおいて非常に挑戦的でまだ重要な問題である。ギャラリー顔サンプルの特徴表現はこの問題の一つの重要な成分である。この目的のために,効率的でコンパクトなベクトル表現を生成する畳込みニューラルネットワーク(CNN)上に構築された強制ソフトマックス最適化アプローチを提案した。学んだ特徴表現は基礎となるマルチモダリティ変動を克服するために非常に有用であると高次元特徴空間における可能性としてのアイデンティティの平均面に近い一次重要な特徴となっている,ギャラリー基礎が様々な条件下でよりロバストにし,低ショット学習のための全体的な性能を改善した。特には,次の連続的低ショット学習のためのよりコンパクトなベクトル化表現を生成するための標準ソフトマックス目的関数を強化するための最適ドロップアウト,選択的減衰,l2正規化,モデルレベル最適化のレバレッジを行った。MNISTの包括的評価,自然のラベル付き顔(LFW),挑戦的なMS Celeb1m低ショット学習顔認識ベンチマークデータセットは最先端を越える提案した方法の優位性を明確に示した。ロバストなマルチビュー組合せのための発見的投票戦略を導入することにより,提案した方法は,MS Celeb1m低ショット学習チャレンジにおけるTop1発生されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】