SSDL:改良型顔認識のための自己教師付きドメイン学習【JST・京大機械翻訳】

Arachchilage S. W.; Izquierdo E.

プレプリント

J-GLOBAL ID：202202202643730606 整理番号：22P0212947

SSDL:改良型顔認識のための自己教師付きドメイン学習【JST・京大機械翻訳】

SSDL: Self-Supervised Domain Learning for Improved Face Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年11月26日プレプリントサーバーでの情報更新日： 2020年11月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

非制約環境における顔認証は,照明の変化,センシングの品質,動きぼけなどにより困難であり,個々の顔外見は,列車(ソース)と変動試験(ターゲット)データの間のギャップを生成する異なる条件下で劇的に変化する。ドメインギャップは,ソースからターゲットへの直接知識移転における性能レベルの低下を引き起こす。ドメイン特異的データによる微調整は有効な解決策であるが,すべてのドメインに対する収集と注釈付けデータは極めて高価である。この目的のために,ラベルなしデータからマイニングされた三重項を訓練する自己教師付き領域学習(SSDL)方式を提案した。効果的な識別学習における重要な要因は,有益な三重項を選択することである。最も信頼できる予測に基づいて,著者らは代替三重項マイニングと自己学習の「asy-to-hard」方式に従う。4つの異なるベンチマークに関する総合的実験は,SSDLが種々のドメインでよく一般化することを示した。【JST・京大機械翻訳】

, , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る