抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,視覚認識のための深いメタメトリック学習(DMML)アプローチを提案した。全体的な目的によって学習プロセスを定式化する既存の深いメトリック学習法とは異なり,著者らのDMMLはメタ法におけるメトリック学習を定式化し,ソフトマックスと三重項損失がメタ空間において一貫していることを証明した。具体的には,オリジナルの訓練集合からいくつかのサブセットをサンプリングし,異なるサブセットにわたってメトリックスを学習する。各サンプリングしたサブタスクにおいて,訓練データを質問集合と同様にサポート集合に分割し,サンプルベースの距離を学習し,複数のサポートセルからの質問セルを検証した。さらに,クラス内コンパクト性を奨励するために,セットベース距離のためのハードサンプルマイニングを導入した。人の再識別,車両再同定および顔検証を含む3つの視覚認識応用に関する実験結果は,提案したDMML方法がほとんどの既存の方式より優れていることを示した。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】