文献

J-GLOBAL ID：201802273125893783   整理番号：18A0244457

共有スキップ接続を用いたマルチモード符号器-復号器ネットワークを用いたマルチタスク学習【Powered by NICT】

Multi-task Learning Using Multi-modal Encoder-Decoder Networks with Shared Skip Connections

著者 (5件)： Kuga Ryohei ,  Kanezaki Asako ,  Samejima Masaki ,  Sugano Yusuke ,  Matsushita Yasuyuki
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 403-411  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： マルチタスク学習が効率的かつ効果的に多重相互関係認識タスクを解決するための有望な方法である。意味的セグメンテーションと深さ予測のような多くのシーン理解タスク,クロスモーダル符号化/復号化として構成することができ,それ以前の多くの研究は,マルチタスク学習のためのマルチモーダルデータセットを用いた。しかし,画像,深さ,および意味論的ラベルを横切る一のようなモード間の共通性は完全には利用されていない。マルチタスクシーン認識のマルチモード特性を利用する多モード符号器-復号器ネットワークを提案した。符号器-復号器対間で共有潜在表現に加えて,著者らのモデルは,異なる符号器から共有スキップ関係を有している。これら二表現共有機構を組み合わせることにより,提案した方法は,訓練データ中の全てのモダリティ間の共有特徴表現を学習した。二公開データセットを用いた実験は,符号器-復号器ネットワークとマルチモーダルオートエンコーダに基づくベースライン法よりも提案手法の利点を示した。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： 基準線 ,  *復号器 ,  *符号器 ,  画像 ,  セグメンテーション ,  多重化 ,  *ネットワーク ,  意味論 ,  *多モード
準シソーラス用語： 特徴表現 ,  モダリティ ,  訓練データ ,  *マルチタスク ,  シーン理解 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (2件)： 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)： 共有 ,  マルチモード ,  符号器 ,  復号器 ,  マルチタスク学習