文献

J-GLOBAL ID：201902260939355835   整理番号：19A0512430

画像分類のためのマルチインスタンスディープ識別パターンの学習【JST・京大機械翻訳】

Learning Multi-Instance Deep Discriminative Patterns for Image Classification

著者 (4件)： Tang Peng (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China) ,  Wang Xinggang (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China) ,  Feng Bin (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China) ,  Liu Wenyu (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 7  ページ： 3385-3396  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： 効果的で効率的な表現を見つけることは,画像分類のために非常に重要である。最も一般的なアプローチは,一連の局所ディスクリプタを抽出することであり,次にそれらを高次元,より意味のある特徴ベクトルに集合させることである。それらは,教師なしの袋の特徴と弱い教師つき部分ベースのモデルのように,それらをより意味のある特徴ベクトルに集約する。後者のものは,画像ラベルからの情報の利用により,前者よりも通常識別が多い。本論文では,画像表現のための識別パターンを学習するために,マルチインスタンス学習(MIL)を用いた弱い教師つき戦略を提案した。特に,従来のマルチインスタンス法を拡張して,正クラスにおける一つ以上のパターンを明示的に学習し,各パターンに対する「最も正の」インスタンスを見出した。さらに,インスタンスの位置が連続変数として扱われるので,著者らは,MIL制約を考慮して,異なるパターンの間のマージンを最大にするために確率的勾配を使用することができる。学習されたパターンをより判別的にするために,深い畳込みニューラルネットワークによって抽出された局所記述子を,手のcrafted記述子の代わりに選択した。いくつかの実験結果を,いくつかの広く使用されているベンチマーク(Action 40,Caltech 101,Scen 15,MIT-屋内,SUN397)について報告し,この方法が非常に顕著な性能を達成できることを示した。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： 統制索引語 ,  ベンチマーク ,  *画像 ,  高次元 ,  屋内 ,  畳込みニューラルネットワーク ,  特徴ベクトル
準シソーラス用語： 連続変数 ,  マルチインスタンス学習 ,  画像表現 ,  *画像分類 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 画像分類 ,  識別 ,  学習