文献

J-GLOBAL ID：201802267755671417   整理番号：18A0244613

コンピュータビジョンのためのロバストな表現の学習【Powered by NICT】

Learning Robust Representations for Computer Vision

著者 (4件)： Zheng Peng ,  Aravkin Aleksandr Y. ,  Thiagarajan Jayaraman Jayaraman ,  Ramamurthy Karthikeyan Natesan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 1784-1791  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： 十のコンピュータビジョンにおける教師なし学習法は学習潜在表現を必要とし,低次元線形および非線形部分空間である。データにおける雑音と異常値は潜在空間を不明瞭にすることによって,これらの方式をできる。著者らの主な目的は,表現学習のためのロバストなアプローチのより深い理解と新しい開発である。は既存のロバストなアプローチのための新しい解釈を提供し,二種の特異的寄与:新しいロバストPCA手法,動的背景から前景特徴を分離できる,新しいロバストなスペクトルクラスタリング法,高精度で顔画像のクラスタリングが可能であることを示した。両寄与は実世界試験集合上で標準的な方法よりも優れた性能を示した。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： 顔画像 ,  線形性 ,  雑音 ,  教師なし学習 ,  *ロバスト性 ,  *学習 ,  異常値 ,  *コンピュータビジョン
準シソーラス用語： 高精度 ,  前景 ,  部分空間 ,  低次元 , 【Automatic Indexing@JST】

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 (4件)： コンピュータビジョン ,  ロバスト ,  表現 ,  学習