文献

J-GLOBAL ID：201902264302060747   整理番号：19A2878574

視覚場所分類器の長期知識蒸留【JST・京大機械翻訳】

Long-Term Knowledge Distillation of Visual Place Classifiers

著者 (2件)： Tomoe Hiroki (University of Fukui,Japan) ,  Kanji Tanaka (University of Fukui,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITSC  ページ： 541-546  発行年： 2019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： 交差シーズン視覚場所認識(CS-VPR)のための現在の最先端のフレームワークの大部分は,単一の特定の季節に対するドメイン適応(DA)に焦点を合わせている。長期CS-VPRの観点から,このような枠組みは,逐次多重領域(例えば,春→夏→秋→冬→...)にスケールすることができない。本研究の目的は,小さな一定数の深い畳込みニューラルネットワーク(CNNs)の記憶を必要とし,小さな一定時間/空間コストで各季節のCNNアンサンブルを再訓練できる,長期的な連続マルチドメインCS-VPR(SMD-VPR)における一定コスト再訓練を可能にする新しい長期アンサンブル学習(LEL)フレームワークを開発することである。著者らは,著者らのタスクを,マルチ教師マルチ学生知識蒸留(MTMS-KD)としてフレーム化し,それは,現在のCNN集合に対するすべての以前の季節の知識を,再帰的に圧縮する。著者らは,さらに,良好な一般化/特殊化トレードオフを達成するために,教師-スタッド割当(TSA)の問題に取り組んだ。SMD-VPRタスクに関する実験結果は,提案したアプローチの有効性を検証した。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： 有効性 ,  秋 ,  春 ,  夏 ,  蒸留 ,  *視覚 ,  冬 ,  畳込みニューラルネットワーク
準シソーラス用語： アンサンブル学習 , 【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 (4件)： 視覚 ,  分類器 ,  長期 ,  知識蒸留