文献

J-GLOBAL ID：201802272617613038   整理番号：18A0244549

画像検索のためのいくつかのショットハッシュ学習【Powered by NICT】

Few-Shot Hash Learning for Image Retrieval

著者 (3件)： Gui Liangke ,  Wang Yu-Xiong ,  Hebert Martial
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 1228-1237  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： ハッシュに基づく意味的画像検索のための現在のアプローチは事前に定義されたカテゴリーの集合を仮定し,多数の注釈付き試料の教師つき学習に依存している。標識試料の必要性は,ユーザがカスタマイズされた新しいカテゴリーを定義する訓練画像の小さな集合を問い合わせ時間で提供するシナリオにおけるそれらの適用性を制限する。数ショットハッシュ学習の問題を検討し,画像認識と分類におけるワンショット学習と局所性高感度ハッシングに関する初期の仕事の精神。より正確には,筆者らのアプローチはユニバーサルハッシュ関数は,識別特徴空間の密度構造の非明示的な情報のためにラベルなしデータからオフラインを学ぶことができるという洞察に基づいている。は,さらに,少数のラベル付きサンプルからの新しいカテゴリーのためのハッシュコードのタスク特異的組合せを選択することができる。得られた教師なし一般的ハッシング(UGH)は,小さな訓練試料と画像検索タスクに関する現在の教師つきおよび教師なしハッシング手法よりも著しく優れている。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： カスタム化 ,  ハッシュ関数 ,  画像認識 ,  アノテーション ,  *学習 ,  高感度 ,  適応性 ,  *画像 ,  教師つき学習 ,  ハッシング ,  局所性 ,  *画像検索
準シソーラス用語： オフライン ,  ラベルなしデータ ,  特徴空間 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 画像検索 ,  ショット ,  学習