文献

J-GLOBAL ID：201902227410949356   整理番号：19A1540704

注釈付きデータのための潜在的Gauss多項生成モデル【JST・京大機械翻訳】

Latent Gaussian-Multinomial Generative Model for Annotated Data

著者 (6件)： Jiang Shuoran (Tianjin University of Science and Technology, Tianjin, China) ,  Chen Yarui (Tianjin University of Science and Technology, Tianjin, China) ,  Qin Zhifei (Tianjin University of Science and Technology, Tianjin, China) ,  Yang Jucheng (Tianjin University of Science and Technology, Tianjin, China) ,  Zhao Tingting (Tianjin University of Science and Technology, Tianjin, China) ,  Zhang Chuanlei (Tianjin University of Science and Technology, Tianjin, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11439  ページ： 42-54  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来の生成モデルは,独立に分割された複数のインスタンスにより画像を注釈するが,これらのモデルはインターネットデータの成長とともに,禁止的に高価で時間がかかる。注釈付きデータに焦点を合わせて,多モード確率モデルを用いて画像アノテーションを生成する潜在的Gauss多項式生成モデル(LGMG)を提案した。具体的には,画像の高レベル意味論を要約する潜在表現として正規分布の前に連続潜在変数を使用し,注釈のためのトピック指標として多項式分布の前に離散潜在変数を用いた。潜在的表現,トピック指標および画像アノテーションの間のマッピング構造から変分事後を計算した。変分目的に関する確率的勾配変分Bayes推定量は,再パラメタリゼーショントリックとモンテカルロ推定量を結合することによって実現した。最後に,最先端のモデルによる自動画像アノテーション,helアウト尤度に関するLabelMeに関するLGMGの性能を実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多モード ,  *アノテーション ,  推定量 ,  確率モデル ,  モンテカルロ法 ,  多項式 ,  インターネット ,  変分法 ,  正規分布 ,  画像
準シソーラス用語： 尤度 ,  自動画像アノテーション ,  潜在変数 ,  画像アノテーション ,  *生成モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 注釈付きデータ ,  Gauss多項 ,  マルチモーダル生成モデル ,  潜在表現 ,  話題の指標

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 注釈 ,  生成モデル