文献

J-GLOBAL ID：202002230114078350   整理番号：20A2262628

画像検索のためのハッシュセンターに基づくHCCN【JST・京大機械翻訳】

HCCN a method based on hash center for image retrieval

著者 (4件)： Zhang Suting (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Huang Zhe (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Guo Baolong (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Li Cheng (School of Aerospace Science and Technology, Xidian University, Xi’an, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： HPCCT & BDAI 2020  ページ： 72-77  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： その計算効率と検索品質のため,ハッシュは大規模画像検索のための最近傍探索を近似するために広く適用されてきたが,深いハッシュはエンドツーエンド表現学習とハッシュ符号化によって検索品質をさらに改善する。しかしながら,符号活性化による最適化における不良設定勾配困難の対象として,既存のペアワイズ類似性学習ベースハッシュ法は,最初に連続表現を学習し,次に,分離二値化ステップにおいて二値ハッシュ符号を生成し,それは,十分な良好なハッシュ符号を生成し,検索品質の実質的な損失に悩まし,類似性関係を適切に学習できない。この限界を克服するために,本研究はハッシュ(HCCN)に基づく連続学習法を提示した。主なアイデアは,中心類似性学習を通してハッシュコードの認識可能性を改善することである。同時に,連続的学習を用いて,記号関数活性化による深層ネットワークを最適化し,不良設定勾配問題を解決し,データの特徴損失を低減した。包括的な実験は,HCCNが凝集ハッシュコードを生成し,3つのデータセット,NUS-WIDE,CIFAR-10,およびMS-COCOに関する検索性能において顕著なブーストを達成することを示した。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： 凝集 ,  最適化 ,  学習 ,  検索効率 ,  ネットワーク ,  エンドツーエンド方式 ,  類似性 ,  深層 ,  ハッシング ,  *画像検索 ,  近傍探索法
準シソーラス用語： 計算効率 ,  二値化 ,  類似性関係 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 中心類似性 ,  連続学習 ,  深層学習 ,  ハッシュ符号化

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

タイトルに関連する用語 (2件)： 画像検索 ,  センター