文献

J-GLOBAL ID：202002240432907270   整理番号：20A1750969

自己組織化メモリモジュールによるWebデータからの学習【JST・京大機械翻訳】

Learning From Web Data With Self-Organizing Memory Module

著者 (5件)： Tu Yi (MoE Key Lab of Artificial Intelligence, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Niu Li (MoE Key Lab of Artificial Intelligence, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Chen Junjie (MoE Key Lab of Artificial Intelligence, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Cheng Dawei (MoE Key Lab of Artificial Intelligence, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Zhang Liqing (MoE Key Lab of Artificial Intelligence, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 12843-12852  発行年： 2020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： Webデータからの学習は,近年,多くの研究興味を引きつけた。しかし,クローリングされたウェブ画像は,通常,2種類の雑音,ラベルノイズおよびバックグラウンドノイズを持ち,それらを効果的に利用する際に余分な困難を誘発する。ほとんどの既存の方法は,人間の監督に頼り,背景雑音を無視する。本論文では,訓練段階におけるクリーン画像の監視なしに,これら2種類の雑音を同時に処理できる新しい方法を提案した。特に,著者らは,同じカテゴリからバッグへのROI(即ち,画像とそれらの領域提案)をグループ化することによって,マルチインスタンス学習のフレームワークの下で著者らの方法を定式化した。各バッグにおけるROIは,クラスタとそれらのスコアが設計したメモリモジュールを介して得られる,それらの最も近いクラスタの代表/識別スコアに基づく異なる重みで割り当てられる。このメモリモジュールは,エンドツーエンド訓練可能システムに導く分類モジュールと自然に統合できる。4つのベンチマークデータセットに関する大規模な実験は,著者らの方法の有効性を実証した。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： 雑音 ,  クラスタ ,  エンドツーエンド方式 ,  有効性 ,  定式化 ,  ベンチマーク ,  *自己組織化 ,  *Web【情報システム】
準シソーラス用語： 背景雑音 ,  メモリモジュール , 【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 (4件)： 自己組織化 ,  メモリモジュール ,  Web ,  学習