文献

J-GLOBAL ID：201802256680889266   整理番号：18A0137446

PUnDA:視覚カテゴリーに関する知識移転のための確率的教師なしドメイン適応【Powered by NICT】

PUnDA: Probabilistic Unsupervised Domain Adaptation for Knowledge Transfer Across Visual Categories

著者 (3件)： Gholami Behnam ,  Rudovic Ognjen ,  Pavlovic Vladimir
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 3601-3610  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： 本論文では,教師なしドメイン適応化問題を解決するために確率的潜在変数モデルを紹介した。特に,潜在空間における分類器,分類器の識別能力を最大化しながら,これは領域格差を最小化すると同時に潜在(共有)空間への各ドメインからの学習射影による異なる領域からの視覚入力のカテゴリー化タスクに取り組む。適応モデルのノンパラメトリックな特性は,データから自動的に潜在空間次元を推定することが可能になった。もモデルパラメータの効率的推定のための新しい正則化変分Bayes(VB)アルゴリズムを開発した。手製と深い正味両者の特徴を用いた視覚ドメイン適応のタスクのための最先端の方法と提案したモデルを比較した。著者らの実験は,単純なソフトマックス分類器であっても,著者らのモデルは,より洗練された分類スキームを利用するいくつかの最新方法より優れていることを示した。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： *視覚 ,  正則化 ,  アルゴリズム ,  学習 ,  ノンパラメトリック法 ,  射影 ,  変分法
準シソーラス用語： 最先端 ,  モデルパラメータ ,  適応モデル ,  適応化 ,  *知識移転 , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 視覚 ,  カテゴリー ,  知識移転 ,  確率 ,  教師 ,  ドメイン適応