文献

J-GLOBAL ID：202002260834353952   整理番号：20A2472267

グラフネットワークによる視覚的関係の説明に基づく弱教師付き学習【JST・京大機械翻訳】

Explanation-Based Weakly-Supervised Learning of Visual Relations with Graph Networks

著者 (4件)： Baldassarre Federico (KTH - Royal Institute of Technology, Stockholm, Sweden) ,  Smith Kevin (KTH - Royal Institute of Technology, Stockholm, Sweden) ,  Sullivan Josephine (KTH - Royal Institute of Technology, Stockholm, Sweden) ,  Azizpour Hossein (KTH - Royal Institute of Technology, Stockholm, Sweden)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12373  ページ： 612-630  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： 視覚関係検出は全体的画像理解の基本である。しかしながら,(被験者,述語,対象)三重項の局在化と分類は,可能な関係のコンビナトリアル爆発,自然画像におけるそれらの長い尾分布,および高価なアノテーションプロセスのため,困難なタスクのままである。本論文では,最小画像レベル述語ラベルに依存する視覚関係検出のための新しい弱監督法を紹介した。グラフニューラルネットワークを訓練して,検出対象のグラフ表現から画像中の述語を分類し,ペアワイズ関係に対する帰納的バイアスを暗黙的に符号化した。次に,そのような述語分類器の説明として関係検出,すなわち,予測述語の対象とオブジェクトを回復することによって完全な関係を得る。3つの多様で挑戦的なデータセット,すなわち,人間-オブジェクト相互作用のためのHICO-DET,一般的オブジェクト対オブジェクト関係のための視覚関係検出,および異常な三重項のためのUnRelに関する,最近の完全および弱く監督された方法に匹敵する結果を示した。非調和アノテーションと良好な少数ショット一般化に対するロバスト性を示した。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： *視覚 ,  相互作用 ,  ニューラルネットワーク ,  *教師つき学習 ,  粒状材 ,  バイアス ,  画像理解 ,  ロバスト性 ,  アノテーション
準シソーラス用語： 被験者 ,  述語 ,  自然画像 ,  局在化 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： グラフネットワーク ,  視覚 ,  説明 ,  教師付き学習