文献

J-GLOBAL ID：201902240021007666   整理番号：19A0512339

社会的画像理解のための弱教師付き深行列因子分解【JST・京大機械翻訳】

Weakly Supervised Deep Matrix Factorization for Social Image Understanding

著者 (2件)： Li Zechao (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Tang Jinhui (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 1  ページ： 276-288  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 弱く監督されたユーザ提供タグに関連する画像の数は近年劇的に増加している。ユーザが提供するタグは不完全で,主観的で雑音が多い。本論文において,著者らは,社会的画像理解の問題,すなわちタグ精密化,タグ割当,および画像検索に焦点を合わせた。以前の研究とは異なり,著者らは新しい弱く監督された深い行列因数分解アルゴリズムを提案する。それは,弱く監督されたタグ付け情報,視覚構造,および意味構造を共同的に探索することによって潜在的画像表現と潜在的部分空間に埋め込まれたタグ表現をカバーする。良く知られた意味論的ギャップのために,画像の隠れた表現は階層的モデルによって学習される。それは視覚的特徴空間から徐々に変換される。それは,学習された深いアーキテクチャを用いて,新しい画像を部分空間に自然に埋め込むことができる。意味論的および視覚的構造は,雑音,不完全または主観的タグを過剰適合することなく,意味的部分空間を学習するために共同的に組み込まれる。さらに,雑音のあるまたは冗長な視覚的特徴を除去するために,スパースモデルを深いアーキテクチャにおける第一層の変換行列に課した。最後に,明確な目的関数を持つ統一最適化問題を開発し,提案した問題を定式化し,曲線探索による勾配降下法により解いた。実世界の社会的画像データベースに関する広範な実験を画像理解のタスク,すなわち画像タグ精密化,割当,および検索について行った。有望な結果は,最先端のアルゴリズムと比較して達成され,提案した方法の有効性を実証した。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： *画像理解 ,  最適化問題 ,  視覚 ,  意味論 ,  定式化 ,  画像検索 ,  精密化 ,  アルゴリズム ,  *画像 ,  冗長性 ,  有効性 ,  計算機アーキテクチャ ,  雑音 ,  画像データベース
準シソーラス用語： 部分空間 , 【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 (5件)： 社会 ,  画像理解 ,  教師 ,  行列 ,  因子分解