文献

J-GLOBAL ID：202002243793665883   整理番号：20A0833110

Tupletマージン損失による深層計量学習【JST・京大機械翻訳】

Deep Metric Learning With Tuplet Margin Loss

著者 (2件)： Yu Baosheng (University of Sydney) ,  Tao Dacheng (University of Sydney)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 6489-6498  発行年： 2019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： 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】

シソーラス用語： 視認 ,  損失関数 ,  *学習 ,  深層
準シソーラス用語： オンライン ,  学習データ ,  メトリック学習 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 損失 ,  深層 ,  計量 ,  学習