文献

J-GLOBAL ID：202002248036416356   整理番号：20A2259335

多数のオクルージョンパターンを持つ大規模データ集合のための隠蔽画像の分類【JST・京大機械翻訳】

Classification of Occluded Images for Large-Scale Datasets With Numerous Occlusion Patterns

著者 (4件)： Cen Feng (Department of Control Science and Engineering, Tongji University, Shanghai, China) ,  Zhao Xiaoyu (Department of Control Science and Engineering, Tongji University, Shanghai, China) ,  Li Wuzhuang (Department of Control Science and Engineering, Tongji University, Shanghai, China) ,  Zhu Fanglai (Department of Control Science and Engineering, Tongji University, Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 170883-170897  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 多数のオクルージョンパターンを有する大規模画像データセットは,実際のアプリケーションにおいて優勢である。二乗l_2ノルム正則化(SDBE_L2)による部分空間分解ベース推定に基づく分類スキームは,部分閉塞画像の分類に対して有望な性能を示した。しかし,多数のオクルージョンパターンを有する大規模画像データセットに対して,それは余分な画像対を獲得する際に高い労働強度および訓練段階における計算資源の大きな消費に悩まされる。労働強度を減らすために,本論文は余分な画像ペアの収集を導くために余分な画像ペアのいくつかの有用なタイプを列挙し,余分な画像ペアを半自動的に形成するためにクラス内ランダムペアリング法を導入した。計算資源の消費を軽減するために,本論文は2つの辞書圧縮方式を提案した。1)非中心PCAベース単一分割圧縮(UPSPC)は,分類精度に影響することなく,カラムベクトル長の2倍以上の大きさに辞書を圧縮し,2)非中心PCAベースクラス内分割圧縮(UPIPC)であり,それは,それが少数のオクルージョンクラス(または画像クラス)を持つとき,さらにオクルージョンエラー辞書(またはクラス辞書)を縮小できる。提案アプローチは,サブ辞書の非中心PCAに不変であるSDBE_L2の特性に基づいている。Caltech-101データセットとOxford-102花データセットに関する広範な実験は,列挙された例を示し,クラス内ランダムペアリング法は,余分な画像を取得し,分類精度の小さい損失で余分な画像対を形成するのを容易にする。多数のオクルージョンパターンを有するILSVRC 2012分類データセットから合成された大規模オクルージョン画像データセットに関する実験結果は,提案した辞書圧縮アプローチが辞書サイズを11倍以上短縮し,分類精度の損失なしに訓練時間を39倍以上短縮することを示した。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】

シソーラス用語： 応用プログラム ,  正則化 ,  ノルム ,  *オクルージョン
準シソーラス用語： 画像データ ,  部分空間 ,  分類精度 ,  計算資源 ,  大規模データセット , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 大規模データ集合 ,  隠蔽 ,  分類