文献

J-GLOBAL ID：202002227385985667   整理番号：20A2462453

マスクされた視覚-意味論的グラフベース推論による弱教師付き画像ハッシング【JST・京大機械翻訳】

Weakly-Supervised Image Hashing through Masked Visual-Semantic Graph-based Reasoning

著者 (4件)： Jin Lu (Nanjing University of Science and Technology, Nanjing, China) ,  Li Zechao (Nanjing University of Science and Technology, Nanjing, China) ,  Pan Yonghua (Nanjing University of Science and Technology, Nanjing, China) ,  Tang Jinhui (Nanjing University of Science and Technology, Nanjing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 916-924  発行年： 2020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： ソーシャルウェブサイトの普及により,弱教師付き画像ハッシュのための雑音のあるタグを探索するための多くの方法が提案されてきた。主な課題は,それらの雑音のあるタグから適切で十分な情報を学習することである。この問題に取り組むために,本研究では,画像ハッシュのための関節視覚-意味表現を学習するために,MGRNと呼ばれる新しいMasked視覚-セマンティックグラフベース推論ネットワークを提案した。具体的には,各画像に対して,MGRNはその関連タグ間の相互作用を捉え,グラフ注意ネットワーク(GAT)による推論を実行するための関係グラフを構築する。MGRNは,ランダムに1つのタグをマスクして,次に,GATをこのマスクタグを予測するために作成した。これは,GATモデルが画像とその関連タグの間の依存性を捉えるのに,雑音のあるタグの問題をうまく対処できる。したがって,それは画像からキータグと視覚構造を捕捉することができて,よく整列した視覚-意味表現を学ぶことができる。最後に,自動エンコーダを,関節空間の局所構造を保存できるハッシュコードを学習するために活用した。一方,共同視覚-意味表現を,復号器を用いてハッシュコードから再構成した。2つの広く使用されたベンチマークデータセットに関する実験結果は,いくつかの最先端の方法と比較して,画像検索のための提案方法の優位性を実証した。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： 雑音 ,  *視覚 ,  相互作用 ,  *意味論 ,  ネットワーク ,  復号器 ,  符号器 ,  再構成 ,  ベンチマーク ,  画像検索
準シソーラス用語： 局所構造 ,  意味表現 ,  ソーシャルウェブ , 【Automatic Indexing@JST】

著者キーワード (3件)： グラフ注意ネットワーク ,  画像ハッシング ,  雑音タグ

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： マスク ,  視覚 ,  意味論 ,  グラフ ,  推論 ,  教師 ,  画像ハッシング