文献

J-GLOBAL ID：201802258176409343   整理番号：18A0519087

マルチメディア探索のためのクロスモーダルハッシングネットワークの学習【Powered by NICT】

Learning a cross-modal hashing network for multimedia search

著者 (3件)： Liong Venice Erin (Interdisciplinary Graduate School, Nanyang Technological University, Singapore) ,  Lu Jiwen (Department of Automation, Tsinghua University, Beijing, China) ,  Tan Yap-Peng (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3700-3704  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,モダリティマルチメディア検索のためのコンパクトな二値符号を学習するためにクロスモーダルハッシングネットワーク(CMHN)法を提案した。各例をマッピングバイナリーベクターに一対の射影を学習するほとんどの既存のクロスモーダルハッシング手法とは異なり,ここでは深層ニューラルネットワークは複数対階層的非線形変換の下での試料の非線形特性はよく利用できると様相ギャップは減少を学習するために設計した。著者らのモデルは,(1)分類に基づくヒンジ損失基準による離散的および識別的に統一された二値符号,および(2)クロスモーダルハッシングネットワーク,各モダリティのための一つの深いネットワークを学習し,実数値ニューラルコードと二値符号の量子化損失を最小化し,学習された神経コードの分散を最大化することにより反復最適化手順の下で訓練した。二つのベンチマークデータセット上での実験結果により,提案アプローチの有効性を示した。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： 最適化 ,  実数 ,  *マルチメディア ,  量子化 ,  *ネットワーク ,  ヒンジ ,  モデル
準シソーラス用語： 神経 ,  非線形変換 ,  ディープニューラルネットワーク ,  マルチメディア検索 ,  モダリティ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチメディア ,  探索 ,  学習