文献

J-GLOBAL ID：202002211268836314   整理番号：20A1862181

情報グラフィック分類のための画像とテキストを用いたマルチモーダル深層学習【JST・京大機械翻訳】

Multimodal Deep Learning using Images and Text for Information Graphic Classification

著者 (2件)： Kim Edward (Villanova University, Villanova, PA, USA) ,  McCoy Kathleen F. (University of Delaware, Newark, DE, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASSETS ’18  ページ： 143-148  発行年： 2018年 
JST資料番号： D0698C  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： 情報グラフィックス,例えば,ラインまたはバーグラフは,意図されたメッセージをサポートするために,文書およびポピュラーなメディアにおいてしばしば表示されるが,しかし,人々の成長する数のために,それらはポイントを欠いている。世界保健機関は,視覚障害のある人々の数が,人口増加と加齢により次の30年で3倍になると見積もる。グラフィックが記述されないならば,テキストで説明され,または,欠落したaltタグと他のメタデータ(しばしば一般的なメディアの場合のように)で,意図されたメッセージは失われ,適切に伝えられない。本研究では,意図されたメッセージの通信をサポートするマルチモーダル深層学習アプローチについて述べた。マルチモーダルモデルは,単一ニューラルネットワークにおけるピクセルデータとテキストデータの両方を用いて,情報グラフィックを,ブラインドまたは視覚的に損なわれる人々にとって,以前に検証された意図カテゴリーに分類する。さらに,著者らは,情報グラフィックスの新しいデータセットを収集し,著者らのマルチモーダルモデルを示す定性的および定量的結果を,任意の1つのモダリティ単独の性能を超え,また,平均ヒト注釈の能力を凌駕した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  ニューラルネットワーク ,  ヒト ,  世界保健機関 ,  *多モード ,  機械学習 ,  アノテーション ,  メタデータ
準シソーラス用語： モダリティ ,  視覚障害 ,  *深層学習 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 支援技術 ,  分類 ,  深層学習 ,  情報グラフィック ,  マルチモーダル機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グラフィック ,  分類 ,  マルチモーダル ,  深層学習