文献

J-GLOBAL ID：201802240766620283   整理番号：18A0217391

深層融合度量子空間学習スパース特徴抽出アルゴリズム【JST・京大機械翻訳】

Sparse Feature Extraction Model Based on Multi-layered Deep Metric Subspace Learning

著者 (4件)： Hu Zhengping (燕山大学信息科学与工程学院,河北秦皇島,066004) ,  Chen Junling (燕山大学信息科学与工程学院,河北秦皇島,066004) ,  Wang Meng (燕山大学信息科学与工程学院,河北秦皇島,066004) ,  Sun Zhe (燕山大学信息科学与工程学院,河北秦皇島,066004)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 33  号： 6  ページ： 845-854  発行年： 2017年 
JST資料番号： C2154A  ISSN： 1003-0530  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 特徴抽出はパターン認識における重要なステップとして、画像処理研究の重点であり、次第に深くなっている深さ学習理論は、新しい深層特徴抽出モデルとして、ますます多くの学者に注目されている。本論文において,深い学習のフレームワークにおいて,深さ学習のフレームワークに基づく計量マッピングマトリックスを構築して,画像の階層的マッピングを行い,サンプルの分類間の情報を最大化し,スパース反復を通して特徴抽出結果のスパース性を保証した。まず第一に,画像集合距離測定関数を構築し,次に,最大距離クラスの距離を解くことにより,最適計量マッピング行列を決定し,一方,特徴マッピング結果をL1ノルムによりスパース反復し,雑音ロバスト性を改善した。次に,この基本特徴抽出ユニットを深く改造し,第二層において同じ操作を行い,最終的に多層融合抽出により階層的深さスパース特徴を得た。既存の部分空間法と比較して,本論文では,特徴マッピング過程における自己学習機構を導入し,各特徴のマッピング層に対して視覚的合理性スパース制約を行い,多層特徴意味記述を融合して最終特徴抽出結果を生成した。FERET,AR,Yaleのような古典的顔データベース,MNIST,CIFAR-10などのデータベースに関する実験結果は,提案したアルゴリズムが高い認識率,良好な照明,表情,および顔のロバスト性を得ることができることを示した。また、畳込みニューラルネットワークなどの深さ学習フレームワークに対して、構造が簡潔で、収束速度が速いなどの利点がある。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 部分空間法 ,  *学習 ,  *アルゴリズム ,  距離測定 ,  *透視図法 ,  画像 ,  画像処理 ,  雑音 ,  *特徴抽出 ,  視覚 ,  モデル ,  データベース ,  ロバスト性
準シソーラス用語： 認識率 ,  スパース性 , 【Automatic Indexing@JST】

著者キーワード (4件)： deep learning ,  metric learning ,  multi-layered ,  sparse optimization

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 (6件)： 深層 ,  融合 ,  量子 ,  空間学習 ,  特徴抽出 ,  アルゴリズム