文献

J-GLOBAL ID：201902253498336922   整理番号：19A0515327

距離計量学習法の概要と経験的比較【JST・京大機械翻訳】

An Overview and Empirical Comparison of Distance Metric Learning Methods

著者 (3件)： Moutafis Panagiotis (Department of Computer Science, Computational Biomedicine Laboratory, University of Houston, Houston, TX, USA) ,  Leng Mengjun (Department of Computer Science, Computational Biomedicine Laboratory, University of Houston, Houston, TX, USA) ,  Kakadiaris Ioannis A. (Department of Computer Science, Computational Biomedicine Laboratory, University of Houston, Houston, TX, USA)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 3  ページ： 612-625  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： 本論文では,最初に距離メトリック学習の分野における進歩を概観した。次に,一般的な実験プロトコルを用いて選択した方法を経験的に比較した。提案した距離メトリック学習アルゴリズムの数は,それらの有効性と広い応用のために成長を続けている。しかし,既存の調査は,いくつかの方法にのみ焦点を当てているか,あるいはそれらのいずれかに焦点を合わせている結果として,簡潔ではあるが有益な方法で得られた知識を要約する必要性が増加している。さらに,既存の調査は包括的な実験的比較を行わない。他方では,個々の距離メトリック学習論文は,いくつかの関連した方法と異なる設定の下で,提案した手法の性能を比較する。これは,一般的で挑戦的なプロトコルを用いた実験的評価の必要性を強調する。この目的のために,顔検証実験を行い,このタスクはデータ収集中の条件を変化させることにより大きな課題を引き起こす。さらに,顔検証は,遭遇する挑戦が距離関数を定義するために,距離メトリック学習のための自然応用である。1)検証のための類似性の概念を正確に表現する。2)雑音データに対してロバストである。3)一般化されていない被験者による。そして,4)訓練サンプルの次元と数によってスケールよくスケールした。特に,著者らは,野生における最先端のデータベースラベル付き顔の実験プロトコルに従って選択された方法の性能を評価するために,よくテストされた特徴を利用する。得られた洞察と対応するアルゴリズムを用いて学習された教訓の議論とともに結果の要約を示した。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： 雑音 ,  ロバスト性 ,  類似性 ,  *距離計 ,  *学習 ,  データ収集 ,  有効性 ,  アルゴリズム
準シソーラス用語： 最先端 ,  被験者 ,  距離関数 ,  検証実験 ,  距離メトリック学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 距離計量学習 ,  概要 ,  経験