文献

J-GLOBAL ID：201902242434150281   整理番号：19A0248120

ディープニューラルネットワークによるターゲットコード誘導二値ハッシング表現【JST・京大機械翻訳】

Target Code Guided Binary Hashing Representations with Deep Neural Network

著者 (3件)： Wang Yunbo ,  Cao Dong ,  Sun Zhenan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACPR  ページ： 530-535  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： 多くの既存のハッシング手法は,通常,高品質二値符号を学習するためにハッシュ関数上でいくつかの人工制約(例えば,非相関および平衡)を課し,これらのハッシュ関数と典型的に互換性のある最適化戦略を利用する。しかし,これらの厳しい制約は,学習データに適合するハッシュ関数の柔軟性を潜在的に制限し,複雑な最適化問題をもたらす。本論文では,高品質二値符号を生成するためのハッシュ関数へのターゲット符号化において望ましい性質を無視するために,「ターゲット符号を持つ深い教師つきハッシング」(DSHT)と呼ばれる学習ベースのハッシング法を提案した。その間,著者らは,その一般化のために著者らの提案した方法にクラスの視差学習を組み込んだ。深い学習における最近の進歩から利益を得て,著者らのフレームワークは,二値ハッシング表現がターゲット符号と意味情報のガイドによって学習される深いニューラルネットワークにおける潜在的ハッシング層としてハッシュ関数を構築した。2つの2つの大規模画像データセット(MNIST,CIFAR-10)に関する実験は,提案したフレームワークが利用可能で,柔軟性があり,他の最先端のハッシング法に匹敵する性能を示すことを実証した。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： 互換性 ,  ハッシュ関数 ,  *ハッシング ,  柔軟性 ,  視差 ,  *ニューラルネットワーク ,  最適化問題 ,  学習 ,  最適化
準シソーラス用語： 画像データ ,  学習データ ,  非相関 ,  バイナリコード ,  高品質 ,  ディープニューラルネットワーク , 【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 (6件)： ディープニューラルネットワーク ,  ターゲット ,  誘導 ,  二値 ,  ハッシング ,  表現