文献

J-GLOBAL ID：201802266055107942   整理番号：18A0342927

多様体は0ショット学習のためのクロスモーダル埋め込みを正則化【Powered by NICT】

Manifold regularized cross-modal embedding for zero-shot learning

著者 (5件)： Ji Zhong (School of Electronic Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Yu Yunlong (School of Electronic Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Pang Yanwei (School of Electronic Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Guo Jichang (School of Electronic Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Zhang Zhongfei (Department of Computer Science, State University of New York, Binghamton, NY 13902, USA)
資料名： Information Sciences  (Information Sciences)
巻： 378  ページ： 48-58  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 零ショット学習(ZSL)は,以前に未知のクラス試料の分類を目的とし,いくつかのカテゴリーの試料を訓練のための不足しているような応用においてその人気を得ている。この問題に対処する基本的な考え方は,クラス意味情報により張られた埋め込み空間に対する視覚特徴のマッピングを介しての未知のクラスに見られるクラスから知識を移行しつつある。クラス意味情報は人手ラベル付け属性あるいはテキストコーパス教師無しの方法でから得ることができる。埋め込み空間に対する視覚空間から埋め込み関数は非常に重要である。ZSL既存埋込みアプローチは主に不均一空間から対意味論的一貫性を整列に集中しているが局所的に均一な同形の固有構造を無視している。埋込プロセスで局所的に視覚的構造を保存するために,この論文では,視覚特徴の固有構造のためのマニホールド制約を定式化すると同様に対一貫性を整列によるZSLのための多様体正則化されたクロスモーダル埋込み(MCME)アプローチを提案した。線形,閉形式解を計算するためのMCMEを効率的にした。さらに,見られるクラス直接から学んだ埋め込み関数を適用することよりもむしろ,知識移転過程における分域シフト問題を克服するための新しいドメイン適応戦略を提案した。領域適応法を用いたMCMEはMCME DAと呼ばれている。AwAとCUBのベンチマークデータセット上での包括的な実験を行い,MCMEとMCME DAの優位性と可能性を検証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *学習 ,  *多様体 ,  視覚 ,  マニホールド ,  分域 ,  意味論 ,  *正則化 ,  線形性 ,  定式化 ,  *粒状材
準シソーラス用語： 知識移転 ,  閉形式解 ,  テキストコーパス ,  視覚顕著 ,  意味情報 , 【Automatic Indexing@JST】

著者キーワード (5件)： 0ショット学習 ,  画像分類 ,  クロスモーダル埋込み ,  多様体 ,  ドメイン適応

分類 (2件)： システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 多様体 ,  ショット ,  学習 ,  埋め込み ,  正則化