文献

J-GLOBAL ID：202002255434020824   整理番号：20A2273746

少数ショット分類のためのマルチメトリック結合識別ネットワーク【JST・京大機械翻訳】

Multi-metric Joint Discrimination Network for Few-Shot Classification

著者 (5件)： Wang Wei (Department of Mathematics, College of Sciences, Shanghai University, Shanghai, China) ,  Wen Zhijie (Department of Mathematics, College of Sciences, Shanghai University, Shanghai, China) ,  Ma Liyan (School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Ma Liyan (Shanghai Institute of Intelligent Science and Technology, Tongji University, Shanghai, China) ,  Ying Shihui (Department of Mathematics, College of Sciences, Shanghai University, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12307  ページ： 273-285  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： 計量ベースの少数ショット法は,クラス特徴とクエリサンプル間の距離に従って,1つまたは2,3の例からオブジェクトカテゴリーを認識することを学習する。クエリサンプルの予測ラベルは,最も近いクラス特徴のそれらと同じである。しかし,単一計量基準は,非常に良く異なるデータセットの分布をモデル化することができない。特定データセットのためのより適切なメトリックを得るために,本論文では,マルチメトリックジョイント識別ネットワーク(MMJDN)を提案した。最初に,深層計量モジュール(DMM)を導入して,クラス特徴とクエリサンプルの各ペア間の複雑な関係を捉えた。第二に,適応重みモジュール(AWM)を提案し,異なる計量基準のための適応重みを生成した。本方法を,3つのデータセット,すなわちミニImageNet,少数ショット-Cifar100(FC100)およびウイルステクスチャデータセット(Virus15)に関して評価した。実験結果は,MMJDNがいくつかのベースラインと比較して数ショット学習に対して正の性能を提供することを示した。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： 学習 ,  *ネットワーク ,  粒状材 ,  基準線 ,  深層
準シソーラス用語： クエリー ,  *ホップ数 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深い計量 ,  マルチメトリック識別 ,  少数ショット学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ショット ,  分類 ,  マルチ ,  メトリック ,  識別