文献

J-GLOBAL ID：202002251991697161   整理番号：20A1196354

クロスモーダル検索のための意味論再構成ハッシング【JST・京大機械翻訳】

Semantics-Reconstructing Hashing for Cross-Modal Retrieval

著者 (3件)： Zhang Peng-Fei (School of Information Technology and Electrical Engineering, University of Queensland, Saint Lucia, QLD, Australia) ,  Huang Zi (School of Information Technology and Electrical Engineering, University of Queensland, Saint Lucia, QLD, Australia) ,  Zhang Zheng (Bio-Computing Research Center, Harbin Institute of Technology, Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12085  ページ： 315-327  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クロスモーダルデータに関する検索は,テキスト,画像およびビデオのような様々なデータ源にわたる高速検索を可能にするので,広い注目を集めている。交差モデル検索のための典型的技術の1つとして,ハッシング法は,短い長さのハッシュコードに高次元を有する特徴を有し,したがって,ストレージと検索効率を効果的に向上させる。最近,多くの努力が,有望な性能を持つ監視された方法を広く研究するためになされている。しかし,まだいくつかの問題が残っている。従来,ハッシュ符号と射影関数は,各データ項目に関連したクラスの識別特性を無視するデータ項目間のペアワイズ類似性を保存することにより学習される。クラスラベルを利用する既存の方法の大部分は,分類フレームの下で二値符号学習を行う。二値符号とラベル間の関係は十分に考察されていない。これらの問題に取り組むために,著者らは,意味表現を再構成し,全体のデータセットに対するハッシュ符号を共同で学習する,浅い教師付きハッシュ学習法-Semantis-再構成交差モードハッシュ(SCH)を提案した。意味的再構成のために,学習した意味表現をラベル空間に投影し,より多くの意味情報を抽出した。再構成された意味表現を活用することにより,ハッシュ符号はラベル,ハッシュ符号と元の特徴の間の基礎となる相関を考慮することにより学習され,更なる性能改善をもたらす。さらに,SCHは,二値制約を同時に緩和することなく,ハッシュ符号と関数を学習し,したがって,量子化誤差をさらに減少させる。さらに,その訓練の線形計算複雑性は,それを大きいデータに実行可能にする。広範な実験により,提案したSCHが最先端のベースラインよりも優れていることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意味論 ,  学習 ,  検索効率 ,  計算量 ,  再構成 ,  録画装置 ,  線形性 ,  高次元 ,  射影 ,  類似性 ,  基準線 ,  量子化誤差 ,  *ハッシング
準シソーラス用語： 意味表現 ,  バイナリコード , 【Automatic Indexing@JST】

著者キーワード (3件)： クロスモーダルハッシング ,  教師付き学習 ,  離散最適化

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 検索 ,  意味論 ,  再構成 ,  ハッシング