文献

J-GLOBAL ID：202002285973046620   整理番号：20A0267496

硬さを意識した深層計量学習【JST・京大機械翻訳】

Hardness-Aware Deep Metric Learning

著者 (4件)： Zheng Wenzhao (Tsinghua Univ.) ,  Chen Zhaodong (Tsinghua Univ.) ,  Lu Jiwen (Tsinghua Univ.) ,  Zhou Jie (Tsinghua Univ.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPR  ページ： 72-81  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： 本論文では,ハードウェア認識の深いメトリック学習(HDML)フレームワークを提示した。ほとんどの以前の深い計量学習法は,訓練のための有益なサンプルの欠如を軽減するために,ハードネガティブマイニング戦略を採用している。しかし,このマイニング戦略は訓練データの部分集合を利用するだけであり,埋め込み空間の大域的幾何学を包括的に特性化するのに十分ではないかもしれない。この問題を扱うために,著者らは,それらのハードレベルを適応的に操作し,リサイクル訓練のために対応するラベル保存合成を生成するために,埋め込みに線形補間を実行し,そのため,すべてのサンプルに埋め込まれた情報を完全に利用でき,計量は常に適切な困難さで挑戦される。著者らの方法は,広く使用されているCUB-200-2011,Cars196,およびStanfordオンライン製品データセットに関して非常に競争力のある性能を達成した。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： ハードウェア ,  キャラクタリゼーション ,  *学習 ,  幾何学 ,  深層 ,  部分集合 ,  リサイクル ,  硬度
準シソーラス用語： オンライン ,  訓練データ ,  メトリック学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 意識 ,  深層 ,  計量 ,  学習