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。
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】