文献

J-GLOBAL ID：201802274700478865   整理番号：18A0861411

属性ベースのファッション探索に向けた効率的な多属性類似性学習【JST・京大機械翻訳】

Efficient Multi-attribute Similarity Learning Towards Attribute-Based Fashion Search

著者 (4件)： Ak Kenan E. ,  Lim Joo Hwee ,  Tham Jo Yew ,  Kassim Ashraf A.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WACV  ページ： 1671-1679  発行年： 2018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： 本論文では,ファッション製品のために設計された属性ベースの質問検索システムを提案した。著者らのシステムは,質問画像と属性操作によってファッション検索を実行する問題を扱う。例えば,dressの長いスリーブ属性をslevelに置き換える。2つのグループにおける属性を提示した。(1)一般属性(カテゴリー,性別など),(2)特殊属性(スリーブ長,カラーなど)。特別な属性は,属性操作により適しており,従って,探索を行う。上述のファッション探索問題を解決するために,属性類似性を理解するために,深いニューラルネットワークのために重要である。より特異的な類似性学習を容易にするために,衣服アイテムはそれらの構造的部分要素または「部分」によって表現される。部分は教師なしセグメンテーション法を用いて推定し,提案した畳込みニューラルネットワーク(CNN)の内部で注意機構として用いた。意味,異なる部分は特殊な属性に接続され,例えばスリーブ部分はスリーブ長さ属性と接続される。この機構を用いて,部分ベースの三重項ランク付け制約を適用して,単一ネットワークにおいて互いに独立に各特殊属性の類似性を学習した。最後に,明確な特徴を用いてファッション探索を行った。さらに,適応関連性フィードバックモジュールを用いて,特徴記述によるファッション探索プロセスを個人化した。著者らの実験では,純粋な衣服アイテムから成る101,021の画像を含む新しいデータセットを構築した。著者らのデータセットにおける十分の検索結果を達成することに加えて,実験は,提案した技術が異なるベースラインより優れており,ユーザの要求に適応できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 情報検索システム ,  探索問題 ,  ネットワーク ,  *類似性 ,  ニューラルネットワーク ,  三重項 ,  衣服 ,  セグメンテーション ,  *学習 ,  スリーブ ,  *ファッション ,  等級づけ ,  画像 ,  基準線
準シソーラス用語： 畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 属性 ,  ファッション ,  探索 ,  類似性 ,  学習