文献

J-GLOBAL ID：202002222976544993   整理番号：20A0907901

マルチラベル画像検索のためのエンドツーエンド特徴学習【JST・京大機械翻訳】

End-to-End Feature Learning for Multi-label Image Retrieval

著者 (4件)： He Xia (Zhejiang University of Technology) ,  Tang Yiping (Zhejiang University of Technology) ,  Wang Liran (Zhejiang University of Technology) ,  Chen Peng (Zhejiang University of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICICAS  ページ： 293-297  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： 高速探索計算とメモリ操作を提供するので,ハッシング符号類似性探索は大規模画像検索のための有効な方法である。画像検索において,深い畳込みネットワークに基づくハッシュ符号は正確な画像意味情報とコンパクトなハッシュ符号を同時に学習することができる。既存の方法は一般的に画像の全体的特徴を抽出し,対応するハッシュ符号を生成する。画像が複数のターゲットを含むとき,この方法は画像を記述するために準最適であり,マルチラベル画像の精度を制限する。本論文は,マルチラベル画像問題のための深い畳込みハッシュ符号化の利用に焦点を合わせた。この問題を解決するために,著者らはマルチラベル画像特徴抽出に適した深い畳込みニューラルネットワーク構造を提案した。また,このネットワークは,エンドツーエンド特徴学習のために使用することができ,画像検索精度をさらに向上させることができる。この方法では,画像中の各ターゲットをハッシュ符号により表現し,複数のデータ集合にわたって広範囲に評価し,最も進歩した教師つきおよび教師なしのハッシング法に対して実質的な改善を行った。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： 記憶装置 ,  畳込み ,  *学習 ,  ネットワーク ,  *エンドツーエンド方式 ,  類似性 ,  ハッシング ,  *画像検索
準シソーラス用語： 意味情報 ,  検索精度 ,  画像特徴抽出 ,  畳込みニューラルネットワーク , 【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 (5件)： マルチ ,  ラベル ,  画像検索 ,  エンドツーエンド ,  学習