文献

J-GLOBAL ID：202002250088582656   整理番号：20A0951508

ゼロショット学習のための大規模属性データセット【JST・京大機械翻訳】

A Large-Scale Attribute Dataset for Zero-Shot Learning

著者 (6件)： Zhao Bo (Peking University, China) ,  Fu Yanwei (Fudan University) ,  Liang Rui (Sinovation Ventures) ,  Wu Jiahong (Sinovation Ventures) ,  Wang Yonggang (Sinovation Ventures) ,  Wang Yizhou (Peking University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPRW  ページ： 398-407  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： ゼロショット学習(ZSL)は,過去数年にわたって巨大な研究注目を引き付けてきた。それは以前に見られなかった新しい概念を学習することを目的としている。各概念(クラス)は,画像特徴と意味埋込みの2つ以上のモダリティに埋め込まれている。属性を中間意味表現として導入し,見られたクラスから見られないクラスへの知識移転を実現した。以前のZSLアルゴリズムをいくつかのベンチマークデータセットに関してテストして,それは画像分布と属性多様性に関して欠陥があった。さらに,オブジェクトの偏った共起によって引き起こされる既存のデータセットの「共起バイアス問題」が,概念を正しく学習することからモデルを有意に妨げることを論じた。これらの問題を克服するために,230クラスの78,017画像を有する大規模属性データセット(LAD)を提案した。視覚的,意味的および主観的特性の359属性を定義し,瞬時レベルで注釈付けした。7つの最先端ZSLアルゴリズムをこの新しいデータセットで試験した。実験結果は,著者らのデータセットにZSLを実装する挑戦を明らかにした。提案したデータセットに基づいて,ZSL研究を促進するために,AI Challenger(>110チーム)のゼロショット学習競争を組織化した。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： アルゴリズム ,  視覚 ,  *学習 ,  画像特性 ,  バイアス ,  ベンチマーク
準シソーラス用語： モダリティ ,  知識移転 ,  意味表現 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： ショット ,  学習 ,  大規模 ,  属性データ