文献

J-GLOBAL ID：202102271238141420   整理番号：21A1276087

集団潜在特徴学習による柔軟な離散マルチビューハッシング【JST・京大機械翻訳】

Flexible Discrete Multi-view Hashing with Collective Latent Feature Learning

著者 (3件)： Liu Luyao (School of Information Technology and Electrical Engineering, University of Queensland, Brisbane, Australia) ,  Zhang Zheng (Bio-Computing Research Center, Harbin Institute of Technology, Shenzhen, China) ,  Huang Zi (School of Information Technology and Electrical Engineering, University of Queensland, Brisbane, Australia)
資料名： Neural Processing Letters  (Neural Processing Letters)
巻： 52  号： 3  ページ： 1765-1791  発行年： 2020年 
JST資料番号： W0953A  ISSN： 1370-4621  CODEN： NPLEFG  資料種別： 逐次刊行物 (A)
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： マルチビューハッシングは,様々なソースからの不均一データに関する有望な性能のため,効率的なマルチメディア研究においてかなりの研究注目を得ている。しかし,識別ハッシュコード学習におけるその応用は,複数の表現から好ましいコンポーネントを効率的に捉えることができないので,困難なままである。本研究では,視覚特徴および柔軟な意味論を融合することにより,データおよび一貫したハッシュ符号学習の複数の視点を結合することにより,集合的潜在特徴学習と併せて,新しい弁別的マルチビューハッシングフレームワーク,可撓性離散マルチビューハッシングを提案した。特に,適応マルチビュー解析辞書学習モデルを,異なるビューの相補的特性が自動マルチビュー重み付け戦略に基づいてよく探索される確立された共通潜在特徴空間に多様な表現を巧く組み合わせるために開発した。さらに,協調学習方式を導入し,視覚的および意味的埋込みを整列整合Hamming空間に符号化し,それは視覚-意味ギャップを効果的に緩和できる。特に,定式化した柔軟な意味論のロバスト性を改善するために,コローエントロピー誘起正則化を採用した。効率的学習アルゴリズムを提案して,最適化問題を解決した。大規模な実験は,いくつかのベンチマークデータセットに関する提案方法の最先端の性能を示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  視覚 ,  意味論 ,  *学習 ,  最適化問題 ,  正則化 ,  定式化 ,  ベンチマーク ,  ロバスト性 ,  マルチメディア ,  *ハッシング ,  学習アルゴリズム
準シソーラス用語： 特徴空間 ,  *マルチビュー ,  辞書学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 集団 ,  学習 ,  マルチビュー ,  ハッシング