文献

J-GLOBAL ID：202002236627059510   整理番号：20A2462609

データ駆動Metaセットベースの細粒度視覚認識【JST・京大機械翻訳】

Data-driven Meta-set Based Fine-Grained Visual Recognition

著者 (6件)： Zhang Chuanyi (Nanjing University of Science and Technology, Nanjing, China) ,  Yao Yazhou (Nanjing University of Science and Technology, Nanjing, China) ,  Shu Xiangbo (Nanjing University of Science and Technology, Nanjing, China) ,  Li Zechao (Nanjing University of Science and Technology, Nanjing, China) ,  Tang Zhenmin (Nanjing University of Science and Technology, Nanjing, China) ,  Wu Qi (University of Adelaide, Adelaide, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 2372-2381  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： 細粒画像データセットの構築は,典型的には,クラウドソーシングプラットフォーム注釈者のためには必ずしも利用できないドメイン固有のエキスパート知識を必要とする。したがって,Web画像からの直接学習は,細粒視覚認識のための代替法になる。しかし,Web訓練セットにおけるラベルノイズは,モデル性能をひどく劣化させる。この目的のために,細粒認識のための雑音のあるWeb画像を扱うためのデータ駆動メタセットベースのアプローチを提案した。特に,少量のクリーンメタセットにより誘導され,分散雑音画像とアウトオブ分布雑音画像を区別するために,メタ学習方式で選択ネットを訓練する。モデルのロバスト性をさらに高めるために,著者らはまた,ラベル付けネットを学習して,分散雑音データのラベルを修正する。この方法で,著者らの提案方法は,分布外雑音に起因する有害影響を軽減し,訓練のための分布雑音のあるサンプルを適切に活用できる。3つの一般的に用いられる微細粒データセットに関する広範な実験は,著者らのアプローチが最先端のノイズロバスト法よりはるかに優れていることを証明した。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 ,  学習 ,  *視認 ,  ロバスト性 ,  Web【情報システム】 ,  アノテーション
準シソーラス用語： 画像データ ,  メタ学習 ,  *データ駆動 ,  Web画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 細粒度 ,  流通 ,  ラベル雑音 ,  流通

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： データ駆動 ,  細粒度 ,  視覚認識