文献

J-GLOBAL ID：201902273314387443   整理番号：19A2700974

階層的画像分類のためのDustbinカテゴリーに基づくフィードバック増分学習戦略【JST・京大機械翻訳】

A Dustbin Category Based Feedback Incremental Learning Strategy for Hierarchical Image Classification

著者 (4件)： Chen Ying (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Shen Wen (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Li Qianwen (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Wei Zhihua (Department of Computer Science and Technology, Tongji University, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11857  ページ： 480-491  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 階層的分類(HC)は,特にカテゴリが階層的に組織化されるとき,マルチクラス分類の問題を解決する有効な方法である。しかし,HCモデルはブロッキングによる平坦な分類(FC)モデルより悪い。すなわち,より高いレベルで生じる誤差はより低いレベルに伝搬する。ブロッキング問題を解決する最初のステップは,ブロックされたサンプルを捕捉することである。本論文では,DBHCモデルと呼ばれる,各中間層分類器に対する仮想デュスタビンカテゴリを追加することにより,ブロックされたサンプルを捕捉するための新しいHCモデルを提案した。さらに,分類精度を改善し,収束プロセスを加速するために,著者らは,サンプルの重みを考慮するためにフィードバック増分学習(FIL)戦略を提案する。それは,以前の訓練ステップの試験結果に従って,訓練サンプルの構成を調整することができる。ファッション画像分類に関する実験は,いくつかの以前の方法と比較して,提案したモデルの優位性を示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ブロッキング ,  *フィードバック ,  *学習 ,  ファッション ,  中間層
準シソーラス用語： 分類精度 ,  階層的分類 ,  *学習戦略 ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 階層的分類 ,  ブロッキング ,  フィードバック増分学習 ,  Dustbinカテゴリー

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 画像分類 ,  カテゴリー ,  フィードバック ,  学習戦略