文献

J-GLOBAL ID：202102226553636787   整理番号：21A2955264

細粒カテゴリー化のための逐次多様化表現の学習【JST・京大機械翻訳】

Learning sequentially diversified representations for fine-grained categorization

著者 (3件)： Zhang Lianbo (School of Computer Science, FEIT, University of Technology Sydney, Chippendale, NSW, Australia) ,  Huang Shaoli (School of Computer Science, FEIT, University of Sydney, Darlington, NSW, Australia) ,  Liu Wei (School of Computer Science, FEIT, University of Technology Sydney, Chippendale, NSW, Australia)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 豊富な局所情報を運ぶ学習表現は,細粒物体を認識するために不可欠である。このタスクに対する既存の方法は,細粒情報を捉えるために多段フレームワークに頼る。しかし,それらは通常,バックボーンネットワークの多重フォワードパスを必要とし,効率劣化をもたらす。本論文では,抽出効率を維持しながら,それらの多様性を促進することにより表現を豊かにする逐次多様化ネットワーク(SDN)を提案した。具体的には,複数の軽量サブネットワークを構築し,識別パターンの相互に異なるスケールをモデル化した。これらのサブネットワークの設計は逐次的に多様化した制約に従い,それらを空間注意で変えることを奨励する。これらのサブネットワークを単一バックボーンネットワークに挿入することにより,SDNは細粒画像の局所領域間の情報相互作用を可能にする。このようにして,SDNは1段パイプラインにおけるスケールと空間的注意に関して多様性を共同で促進し,それによって多様な表現の学習を効率的に促進する。3つの挑戦的なデータセット,即ち,CUB-200-2011,Stanford-Cars,およびFGVC-Airkarに関する提案手法を評価した。実験は,多様な情報を学習するその有効性を示した。さらに,提案手法は最先端の性能を達成し,バックボーンネットワークの単一フォワードパスのみを必要とし,推論時間を著しく短縮する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  *学習 ,  ネットワーク ,  基幹回線 ,  多重化 ,  多様化 ,  有効性
準シソーラス用語： 抽出効率 ,  サブネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 細粒視覚カテゴリー化 ,  畳込みニューラルネットワーク ,  多様性学習 ,  物体認識

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 細粒 ,  カテゴリー化 ,  逐次 ,  多様化 ,  表現 ,  学習