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。
損失関数が重要な役割を果たす深いメトリック学習は視覚認識タスクにおいて極めて有用であることが証明されている。しかし,従来の深いメトリック学習損失関数は,通常は,高速収束のために,微妙に選択されたサンプル(対または三重項)に依存している。本論文では,各ミニバッチからランダムに選択されたサンプルを用いて,新しい深いメトリック学習損失関数,タプルマージン損失を提案した。具体的には,提案したタプルマージン損失は,硬いサンプルを暗黙的に重みづけし,容易なサンプルをダウンロードし,一方,角度空間におけるスラックマージンを導入して,最も困難なサンプルに対するオーバーフィッティングの問題を緩和した。さらに,著者らは,タプルマージン損失の一般化可能性を改善するために,クラス特異的情報を分離することによって,ペア内変動の問題に取り組んだ。3つの広く使われている深い計量学習データセット,CARS196,CUB200-2011,およびStanfordオンライン製品に関する実験結果は,既存の深い計量学習法に比べて著しい改善を実証した。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】