文献

J-GLOBAL ID：201802236410200799   整理番号：18A0244629

一目であなたを知る:低ショット学習のためのコンパクトなベクトル表現【Powered by NICT】

Know You at One Glance: A Compact Vector Representation for Low-Shot Learning

著者 (7件)： Cheng Yu ,  Zhao Jian ,  Wang Zhecan ,  Xu Yan ,  Jayashree Karlekar ,  Shen Shengmei ,  Feng Jiashi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 1924-1932  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： 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】

シソーラス用語： ロバスト性 ,  コンピュータビジョン ,  正規化 ,  *ベクトル ,  *学習 ,  投票 ,  高次元 ,  最適化 ,  目的関数 ,  *粒状材
準シソーラス用語： マルチビュー ,  アイデンティティ ,  特徴空間 ,  マルチモダリティ ,  特徴表現 , 【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 (4件)： ショット ,  学習 ,  ベクトル ,  表現