ゼロショット学習のためのハイブリッドルーティング変圧器【JST・京大機械翻訳】

Cheng De; Wang Gerong; Wang Bo; Zhang Qiang; Han Jungong; Zhang Dingwen

プレプリント

J-GLOBAL ID：202202205788267865 整理番号：22P0311960

ゼロショット学習のためのハイブリッドルーティング変圧器【JST・京大機械翻訳】

Hybrid Routing Transformer for Zero-Shot Learning

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年03月29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)

ゼロショット学習(ZSL)は,見える意味論を持つデータの訓練に基づいて,画像意味論を認識できるモデルを学習することを目的とする。最近の研究では,抽出した視覚特徴を意味属性に関連付けるために,大域的画像特徴またはマイニング識別局所パッチ特徴を利用した。しかしながら,実際の属性相関領域に対するモデルを確実にするための必要なトップダウン誘導と意味アラインメントの欠如のため,これらの方法は,視覚モダリティと属性モダリティの間の有意な意味ギャップに遭遇し,それは,それらの予測を,意味のない意味で信頼できないものにする。この問題を解決するために,本論文では,ハイブリッドルーティング変圧器(HRT)と呼ばれる新しい変圧器符号器デコーダモデルを確立する。HRT符号器では,ボトムアップとトップダウン動的ルーティング経路の両方によって構築され,属性整列視覚特徴を生成するアクティブな注意を埋め込む。HRT復号器では,静的ルーティングを用いて,属性配列視覚特徴,対応する属性意味論,およびクラス属性ベクトル間の相関を計算し,最終クラスラベル予測を生成した。この設計は,提示した変圧器モデルを,1)トップダウンとボトムアップの注意経路と,2)動的と静的ルーティング経路,のハイブリッドにする。3つの広く使用されたベンチマークデータセット,すなわちCUB,SUN,およびAWA2に関する総合的実験を行った。得られた実験結果は提案した方法の有効性を示した。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る