文献

J-GLOBAL ID：201802285995296387   整理番号：18A0518612

小データセットに対するマルチインスタンスマルチラベル分類へのCNNの移動【Powered by NICT】

Transferring CNNS to multi-instance multi-label classification on small datasets

著者 (6件)： Dong Mingzhi (University College London) ,  Pang Kunkun (University of Edinburgh) ,  Wu Yang (Nara Institute of Science and Technology) ,  Xue Jing-Hao (University College London) ,  Hospedales Timothy (University of Edinburgh) ,  Ogasawara Tsukasa (Nara Institute of Science and Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1332-1336  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： 画像タグ付けは,画像処理における良く知られた課題である。は典型的にはマルチインスタンスマルチラベル(MIML)分類法により検討した。畳込みニューラルネットワーク(CNN)はMIMLタスクをうまく実行するために大きな可能性を持ち,マルチレベル畳込みと最大プーリングはマルチインスタンス設定と一致し,隠れた表現の共有は,マルチラベルモデリングを利益を得る可能性があるからである。しかし,CNNは訓練のための大量注意深くラベル付きデータの多くの実際の応用で得ることは困難を必要とする。本論文では,小さなMIMLタスクにImagenetにVGG16のような事前訓練された深層ネットワークを導入するための新しいアプローチを提案した。ネットワーク層の各グループからの特徴を抽出し,マルチラベル予測のためにそれらに複数の二値分類器を適用した。L_1ノルム正則化ロジスティック回帰(L_1LR)を採用したマルチラベル分類器を学習するための最も有効な特徴を見出した。二つの最も広く使用されている比較的小さいベンチマークMIML画像データセット上での実験結果により,提案アプローチは最先端アルゴリズムを凌いだ,すべての一般的な性能メトリックスの観点において実質的に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【Powered by NICT】

シソーラス用語： 正則化 ,  ノルム ,  ネットワーク ,  画像処理 ,  アルゴリズム ,  ベンチマーク ,  画像 ,  *畳込み
準シソーラス用語： メトリックス ,  二値分類 ,  ネットワーク層 ,  畳込みニューラルネットワーク ,  分類法 ,  タグ付 ,  *マルチラベル分類 , 【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)： データセット ,  マルチ ,  インスタンス ,  マルチラベル分類 ,  CNN