抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,深い学習アプローチが,オブジェクト認識における印象的な結果を達成するために活用されてきた。しかしながら,そのような技術は,訓練画像の収集とラベリングの負担のため,実世界ロボット応用において問題がある。人間の努力が少ない領域関連データを獲得するために,ロボットを直接的に行える枠組みを提案した。このフレームワークは,ロボットが時間にわたってデータをどのように収集し,保存するかについてより知的になることにより,生涯学習パラダイムに位置している。分類器の性能を向上させる画像の視点だけで反復的に訓練することにより,本手法はデータセットの長期保存のためのデータ要求が少ないオブジェクトの代表的な視点を収集することができる。ドメイン関連データを得るための著者らのアプローチは,利用可能な事前構築データセットを用いることと比較して,ドメイン内オブジェクト上での分類性能の著しい改善をもたらすことを示した。さらに,筆者らの反復ビューサンプリング法は,分類器性能とデータ記憶制約の間の良好なバランスを見出すことができる。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】