文献

J-GLOBAL ID：201902245425998390   整理番号：19A0512747

Bayes法を用いたスパース符号化に基づくFisherベクトル【JST・京大機械翻訳】

Sparse Coding Based Fisher Vector Using a Bayesian Approach

著者 (2件)： Lim Kart-Leong (Nanyang Technological University, Singapore, Singapore) ,  Wang Han (Nanyang Technological University, Singapore, Singapore)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 24  号： 1  ページ： 91-95  発行年： 2017年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 最近提案されたスパース符号化ベースのFisherベクトルは,スパース項を持つ従来のGMMベースのFisherベクトルを拡張する。著者らの実験により,このスパース項のみの追加は,小さいサイズのデータセット(15-セン,Caltec-10)上での約20%の改善,および中規模データセット(MIT-67)上での5%までの改善により,GMMベースのFisherベクトルよりも著しく優れていることを明らかにした。オリジナルの研究において,スパース符号化ベースのFisherベクトルは,オフザシェルスパース符号化ソルバを必要とする。統計的観点から,オフシェルソルバはブラックボックスとして現れる可能性がある。よりエレガントな方法は,スパース符号化を学習する確率モデルを用いることである。スパース符号化ベースGMMとして知られる確率モデルを提案した。それは付加的なスパース係数隠れ変数によってGMMと異なる。スパース項の事前モデルは,追跡可能性に対して分布したGauss分布と仮定した。モデルの推論は,変分法によって得られた閉形式解の集合を反復計算することによって実行される。いくつかの良く引用されたデータセットに関する実験結果により,スパース符号化ベースのFisherベクトルに関する限り,著者らの確率論的ベースのソルバがオフザシェルソルバに対してオンパール学習性能を得ることを示した。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： 変分法 ,  確率モデル ,  中規模 ,  正規分布 ,  *ベクトル ,  ブラックボックス ,  確率論 ,  トレーサビリティ
準シソーラス用語： 閉形式解 ,  潜在変数 ,  ソルバ ,  スパース ,  *スパースコーディング ,  Bayes法 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： Bayes法 ,  スパース符号化 ,  ベクトル