文献

J-GLOBAL ID：201802268169812169   整理番号：18A1687908

ゼロショット学習のための意味論的ソフトマックス損失【JST・京大機械翻訳】

Semantic softmax loss for zero-shot learning

著者 (5件)： Ji Zhong (School of Electrical and Information Engineering, Tianjin University, China) ,  Sun Yuxin (School of Electrical and Information Engineering, Tianjin University, China) ,  Yu Yunlong (School of Electrical and Information Engineering, Tianjin University, China) ,  Guo Jichang (School of Electrical and Information Engineering, Tianjin University, China) ,  Pang Yanwei (School of Electrical and Information Engineering, Tianjin University, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 316  ページ： 369-375  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ゼロショット学習(ZSL)のための典型的なパイプラインは,視覚的特徴とクラス意味記述子を線形または双線形モデルを有する多モードフレームワークに統合することである。しかしながら,視覚特徴とクラス意味記述子は異なる構造空間に位置し,線形または双線形モデルは異なるモダリティ間の意味的相互作用をうまく捉えることができない。本論文では,クラス意味記述子を多クラス分類ネットワークのソフトマックス層に埋め込むことにより,意味論的な最大損失を介して,ZSLを多クラス分類問題として課す非線形手法を提案した。視覚的特徴と意味論的記述子の間の構造的差異を狭くするために,著者らはさらに,意味記述子で再構成された視覚的特徴と視覚的プロトタイプの間の差異に対して,L_2正規化制約を用いた。4つのベンチマークデータセット,すなわちAWA,CUB,SUN,およびImageNetに関する結果は,提案した方式が性能を着実に上げることができて,ゼロショット分類とゼロショット検索の両方のために最先端の性能を達成することができることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  *学習 ,  視覚 ,  相互作用 ,  プロトタイプ ,  *意味論 ,  正規化 ,  ネットワーク ,  ベンチマーク ,  再構成 ,  多モード
準シソーラス用語： 最先端 ,  多クラス分類 ,  モダリティ ,  線形モデル , 【Automatic Indexing@JST】

著者キーワード (3件)： ゼロショット学習 ,  意味埋め込み ,  マルチクラス分類

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ショット ,  学習 ,  意味論 ,  ソフト ,  損失