文献

J-GLOBAL ID：202102254932055988   整理番号：21A1030878

GATクラスタ:画像クラスタリングのための自己管理Gauss-注意ネットワーク【JST・京大機械翻訳】

GATCluster: Self-supervised Gaussian-Attention Network for Image Clustering

著者 (4件)： Niu Chuang (School of Electronic Engineering, Xidian University, Xi’an, Shaanxi, China) ,  Zhang Jun (Tencent AI Lab, Shenzhen, Guangdong, China) ,  Wang Ge (Rensselaer Polytechnic Institute, Troy, NY, USA) ,  Liang Jimin (School of Electronic Engineering, Xidian University, Xi’an, Shaanxi, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12370  ページ： 735-751  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： 画像クラスタリング(GATCluster)のための自己監督Gauss型ATtentネットワークを提案する。中間の特徴を最初に抽出して,次に従来のクラスタリングアルゴリズムを実行するのではなく,GATClusterは,更なる後処理なしで意味クラスタラベルを直接出力する。学習された特徴が1ホット符号化ベクトルであり,自明な解が避けられることを保証するために,ラベル特徴定理を与えた。この定理に基づいて,変換不変性,分離可能性最大化,エントロピー解析,および注意マッピングの制約で4つの自己学習タスクを設計した。特に,変換不変性と分離性最大化タスクは,サンプル間の関係を学習する。エントロピー解析タスクは,自明な解決策を避けることを目的とする。オブジェクト指向意味論を捉えるために,Gauss注意モジュールとソフト注意損失を含む自己監督注意機構を設計した。さらに,大規模画像をクラスタリングするためのメモリ効率である2段階学習アルゴリズムを設計した。広範な実験は,最先端の画像クラスタリングベンチマークと比較して,提案した方法の優位性を実証した。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： ベクトル ,  意味論 ,  正規分布 ,  *ネットワーク ,  後処理 ,  *クラスタ ,  不変性 ,  ベンチマーク ,  *自己管理 ,  学習アルゴリズム
準シソーラス用語： 自己学習 ,  メモリ効率 ,  クラスタリングアルゴリズム ,  オブジェクト指向 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： クラスタ ,  画像クラスタリング ,  自己管理 ,  注意