文献

J-GLOBAL ID：201802259062226424   整理番号：18A0194846

視覚認識のための事例ベース多視点領域一般化フレームワーク【Powered by NICT】

An Exemplar-Based Multi-View Domain Generalization Framework for Visual Recognition

著者 (4件)： Niu Li (Interdisciplinary Graduate School, Nanyang Technological University, Singapore) ,  Li Wen (Computer Vision Laboratory, ETH Zuerich, Zuerich, Switzerland) ,  Xu Dong (School of Electrical and Information Engineering, The University of Sydney, Sydney, NSW, Australia) ,  Cai Jianfei (School of Computer Science & Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 2  ページ： 259-272  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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,複数のタイプの特徴(すなわち,マルチビュー特徴)を持つ訓練サンプルに基づく任意のターゲット領域によく一般化できることを学習ロバスト分類器による視覚認識のための新しい手本ベースマルチビュー領域一般化(EMVDG)フレームワークを提案した。このフレームワークでは,二つの問題を同時に解決するために目的としている。最初の訓練サンプル(すなわち,ソースドメイン)分布は,試験試料のそれ(すなわち,標的ドメイン)とはかなり異なることがあるので,源領域で学んだ分類器の性能は,標的領域で有意に低下する。さらに,試験データは訓練手順中にしばしば見えない。第二に,訓練データは多視点特徴に関連付けられている場合に,認識性能は,複数のタイプの特徴の間の関係を利用することによりさらに改善できる。第一の課題を解決,融合多重SVM分類器はドメイン汎化能力を向上させることができることが示されていることを考慮するために,模範SVM(ESVMs)に著者らのEMVDGフレームワーク,集合ESVM分類器の正の訓練サンプルと全ての負の訓練サンプルに基づいて訓練それぞれによって学習させるを構築した。源領域は複数の潜在的領域を含む場合,学習ESVM分類器は複数のクラスタにグループ化することが期待される。第二の問題を解決するために,コンセンサス原理と相補的原理に基づくEMVDGフレームワークの下で二つの方法を提案した。より詳しくいえば,ここでは,コンセンサス原理に基づく一致することを異なる観点にESVM分類器のクラスタ構造を強化するためのCo正則化器を加えることによりEMVDG_CO法を提案した。多重カーネル学習に触発されて,ここではまた,相補的原理を基礎とした異なる見解からESVM分類器を融合することにより他のEMVDG_MK法を提案した。添加では,ラベル付けされていない目標領域データは訓練手順中に利用可能な場合は,手本ベースマルチビュードメイン適応(EMVDA)フレームワークにEMVDGフレームワークを拡張した。視覚認識のための著者らのEMVDGとEMVDAフレームワークの有効性を,三つのベンチマークデータセット上での包括的実験により明確に実証した。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： ロバスト性 ,  学習 ,  *視認 ,  多重化 ,  クラスタ ,  正則化
準シソーラス用語： Kernel法 ,  クラスター構造 ,  SVM分類 ,  訓練データ ,  試験データ ,  マルチビュー ,  事例ベース , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： 視覚認識 ,  事例ベース ,  視点 ,  一般化 ,  フレームワーク