文献

J-GLOBAL ID：202102258846070915   整理番号：21A0568852

多方向射影における計量埋込み学習【JST・京大機械翻訳】

Metric Embedding Learning on Multi-Directional Projections

著者 (1件)： Kertesz Gabor (John von Neumann Faculty of Informatics, Obuda University, 1034 Budapest, Becsi ut 96b, Hungary)
資料名： Algorithms (Web)  (Algorithms (Web))
巻： 13  号： 6  ページ： 133  発行年： 2020年 
JST資料番号： U7130A  ISSN： 1999-4893  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 画像ベースインスタンス認識は,人間の眼に対しても,ある場合には困難な問題である。深層学習により最も駆動されるコンピュータビジョンにおける最新の発展は,分類または分類のための高性能モデルが設計できるが,低数のサンプルと類似のオブジェクトを識別する問題は困難なままであることを示した。マルチクラス分類からの進歩は,特徴抽出技術が同一であるので,オブジェクトマッチング問題に適用される。自然にヒントを得た多層畳込みネットは表現を学習し,そのようなモデルの出力はそれらを多次元符号化空間に写像する。計量ベースの損失は,互いに近接する同じインスタンスを埋め込む。これらの解は高い分類性能を達成するが,低効率は高パラメータ数のメモリコストによって引き起こされ,それは入力画像サイズと関係がある。入力を縮小すると,モデルはより少ない訓練可能パラメータを必要とするが,性能は低下する。この欠点は,圧縮特徴抽出,例えば投影を用いて取り組まれる。本論文では,固定ベクトル長(MDIPFL)による多方向画像投影変換を,SiameseとTripletアーキテクチャで訓練されたワンショット認識タスクに適用した。結果は,MDIPFLベースのアプローチが,著しく低い数のパラメータにもかかわらず,デセント性能を達成することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  畳込み ,  ベクトル ,  *学習 ,  特徴抽出 ,  コンピュータビジョン ,  高次元 ,  *射影 ,  深層 ,  多層 ,  計算機アーキテクチャ
準シソーラス用語： オブジェクトマッチング ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層計量学習 ,  ワンショット学習 ,  多方向画像投影 ,  オブジェクトマッチング ,  オブジェクト再同定

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

引用文献 (74件)：

• Russakovsky, O.; Deng, J.; Su, H.; Krause, J.; Satheesh, S.; Ma, S.; Huang, Z.; Karpathy, A.; Khosla, A.; Bernstein, M.; et al. Imagenet Large Scale Visual Recognition Challenge. Int. J. Comput. Vis. 2015, 115, 211-252.
• LeCun, Y.; Bengio, Y.; Hinton, G. Deep learning. Nature 2015, 521, 436-444.
• Bromley, J.; Guyon, I.; LeCun, Y.; Säckinger, E.; Shah, R. Signature verification using a “siamese” time delay neural network. In Proceedings of the Advances in Neural Information Processing Systems, Denver, CO, USA, 28 November-1 December 1994; pp. 737-744.
• Koch, G.; Zemel, R.; Salakhutdinov, R. Siamese neural networks for one-shot image recognition. In Proceedings of the ICML Deep Learning Workshop, Lille, France, 10-11 July 2015; Volume 2.
• Schroff, F.; Kalenichenko, D.; Philbin, J. Facenet: A unified embedding for face recognition and clustering. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Boston, MA, USA, 7-12 June 2015; pp. 815-823.

タイトルに関連する用語 (5件)： 多方向 ,  射影 ,  計量 ,  埋込み ,  学習