文献

J-GLOBAL ID：202002213472027676   整理番号：20A0902839

CNNとSURFベースマッチングの教師付き学習によるオブジェクト同定のための大規模カテゴリー構造画像検索【JST・京大機械翻訳】

Large Scale Category-Structured Image Retrieval for Object Identification Through Supervised Learning of CNN and SURF-Based Matching

著者 (3件)： Li Xiaoqing (Department of Information Science, School of Mathematical Sciences and LMAM, Peking University, Beijing, China) ,  Yang Jiansheng (Department of Information Science, School of Mathematical Sciences and LMAM, Peking University, Beijing, China) ,  Ma Jinwen (Department of Information Science, School of Mathematical Sciences and LMAM, Peking University, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 57796-57809  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： インターネット,モバイルおよびデジタル情報技術の現代時代において,ワインボトル画像からのワインラベル検索としてのオブジェクト同定のための画像検索は,人工知能における重要で緊急の問題になっている。一般的な画像検索と比較して,非常に類似で,識別が困難な膨大な数のオブジェクト同定またはブランド画像があり,与えられたデータセットにおける異なるブランド画像の数は大きく変化し,サンプルはこれらブランドに対して強く不平衡である。本論文では,この種の画像検索のためのCNN-SURF保証フィルタリングとマッチング(CSCFM)フレームワークを提案し,特にワインラベル検索に焦点を当てた。特に,概念的ニューラルネットワーク(CNN)を利用して,検索の範囲を狭くするために不可能なメインブランド(製造者)をフィルターにかけて,速度化Upロバスト特徴(SURF)マッチングを,RANdom SAmple Consensus(RANSAC)機構と修正Termm周波数(TF-IDF)距離を採用することにより改善した。実験は,17,328のメインブランドと260,579のサブブランドを持つワインラベルの約548K画像を含むデータセットで行った。実験結果によって,著者らの提案方法が効果的かつ効率的にワインラベル検索問題を解決することができることを実証した。さらに,著者らの提案方法を,オブジェクト識別画像検索タスクの2つの純粋なベンチマーク,Oxfordビルディングベンチマーク(Oxford5k),およびInドア Things Benchmark(UKB)のKentucky大学においてさらに評価し,それぞれ,Oxford5kおよびUKBにおいて88.3%平均精度および3.92N-Sスコアを達成した。Copyright 2020 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： ブランド ,  ニューラルネットワーク ,  フィルタリング ,  非平衡状態 ,  ぶどう酒 ,  *教師つき学習 ,  物体認識 ,  人工知能 ,  生産者 ,  ベンチマーク ,  ロバスト性 ,  携帯電話 ,  インターネット ,  *画像検索
準シソーラス用語： ディジタルデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： CNN ,  マッチング ,  教師付き学習 ,  オブジェクト ,  同定 ,  大規模 ,  カテゴリー ,  画像検索