文献

J-GLOBAL ID：202002248168751324   整理番号：20A2028378

ゼロショット認識のためのドメイン固有埋込みネットワーク【JST・京大機械翻訳】

Domain-Specific Embedding Network for Zero-Shot Recognition

著者 (5件)： Min Shaobo (University of Science and Technology of China, Hefei, China) ,  Yao Hantao (National Laboratory of Pattern Recognition, Beijing, China) ,  Xie Hongtao (University of Science and Technology of China, Hefei, China) ,  Zha Zheng-Jun (University of Science and Technology of China, Hefei, China) ,  Zhang Yongdong (University of Science and Technology of China, Hefei, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’19  ページ： 2070-2078  発行年： 2019年 
JST資料番号： D0698C  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： ゼロショット学習(ZSL)は,画像データおよび意味ラベルを共同埋込み空間に投影することによって,見えるか,見えないドメインからサンプルを認識することを追求する。しかしながら,ほとんどの既存の方法は,1つのドメインからもう1つのドメインへのよく訓練された投影を直接適応し,それによってドメイン差に起因する重大なバイアス問題を無視する。この問題に取り組むために,著者らは,いくつかのドメイン制約と同様に,不偏埋込みのための異なるドメインに特定の射影を適用できる新しいドメイン仕様埋込みネットワーク(DSEN)を提案する。以前の方法とは対照的に,DSENは,2つのドメイン間の類似性と差異を調査するために,ドメイン-共有投影関数を1つのドメイン不変と2つのドメイン特異的サブ機能に分解した。意味関係の破壊から2つの特定の投影を防ぐために,意味再構成制約を,同じ復号器関数をサイクル一貫性方法でそれらに適用することによって提案する。さらに,領域分割制約を開発し,視覚特徴のドメイン間差を拡大できる,それぞれ見た領域と非意味領域における実画像と偽画像特徴間のマージンを直接ペナルティ化した。4つの公開ベンチマークに関する広範な実験は,高調波平均に関して平均9.2%の改善でDSENの有効性を実証した。コードは,尿https://github.com/mboboGO/DSEN-for-GZSLで利用可能である。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  セグメンテーション ,  *ネットワーク ,  ニューラルネットワーク ,  復号器 ,  高調波 ,  画像特性 ,  再構成 ,  バイアス ,  類似性 ,  有効性 ,  ベンチマーク ,  ペナルティ
準シソーラス用語： 画像データ ,  視覚顕著 , 【Automatic Indexing@JST】

著者キーワード (4件)： カテゴリー化 ,  関節埋め込み ,  ニューラルネットワーク ,  ゼロショット学習

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： ショット ,  ドメイン ,  固有 ,  埋込み