文献

J-GLOBAL ID：201802282517292108   整理番号：18A2232627

顔認識のためのマルチソース領域適応【JST・京大機械翻訳】

Multi-source Domain Adaptation for Face Recognition

著者 (4件)： Yi Haiyang (Guangxi Colleges and Universities Key Laboratory of Intelligent Processing of Computer Images and Graphics, Guilin University of Electronic Technology, Guilin, Guangxi, China) ,  Xu Zhi (Guangxi Colleges and Universities Key Laboratory of Intelligent Processing of Computer Images and Graphics, Guilin University of Electronic Technology, Guilin, Guangxi, China) ,  Wen Yimin (Guangxi Colleges and Universities Key Laboratory of Intelligent Processing of Computer Images and Graphics, Guilin University of Electronic Technology, Guilin, Guangxi, China) ,  Fan Zhigang (Zebra Technologies Corporation, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 1349-1354  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： 移動学習のために,多くの研究は,マルチソースドメインからの情報の有効利用が分類性能を改善することを実証した。本論文では,顔認識のためのCommon Subspace(TMSD)による標的化マルチソースドメインの手法を提案した。これは,ラベル付けされたソースドメインからラベル付けされていないターゲットドメインへの豊富な監視知識を移動させる。特に,最大全相関を保つことにより,いくつかの領域に対して共通部分空間が学習される。このようにして,各ドメインの不一致は減少し,ソースとターゲットドメインの両方の構造は分類のために良く保存される。共通部分空間において,ソース領域から投影された各サンプルは,異なるドメインから投影されたサンプルが良くインターレースされるように,ターゲットドメインから投影されたいくつかのサンプルの線形結合としてまばらに表現される。次に,オリジナル画像空間において,各々の供給源領域画像は,目標領域における隣接の直線的組合せとして表現することができた。最後に,判別部分空間を,教師つき学習アルゴリズムを用いて,ターゲット化マルチソースドメイン画像によって得ることができた。実験結果は,それらの競合的なものよりもTMSDの優位性を示した。Copyright 2019 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： 画像 ,  ターゲティング ,  教師つき学習 ,  アルゴリズム ,  *学習
準シソーラス用語： 線形結合 ,  部分空間 ,  有効利用 ,  *顔貌認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 顔認識 ,  マルチ ,  ソース ,  適応