抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ピアソン再識別(Re-ID)は,教師つきシナリオにおいて大きな成功を達成した。しかし,観測されたソースドメインに当てはめるモデルのため,教師つきモデルを任意の非意味領域に直接転送することは困難であった。本論文では,一般化可能なマルチソース人Re-IDタスク(即ち,複数の利用可能なソースドメインがあり,テストドメインが訓練中に不調である)をデータ増強の観点から取り組むことを狙いとし,従って,ドメイン意識混合正規化(DMN)とドメインウェア中心正則化(DCR)から成る,MixNormと呼ばれる新しい方法を提唱した。従来のデータ増強と異なり,ニューラルネットワークの正規化ビューから訓練中の特徴の多様性を強化するための提案ドメイン意識混合正規化は,ソースドメインへのモデルフィッティングを効果的に軽減し,それにより,非意味ドメインにおけるモデルの一般化能力を高めることができる。ドメイン不変モデルをよりよく学習するために,さらに,同じ空間に生成された多様な特徴をより良く写像するために,ドメイン意識中心正則化を開発した。多重ベンチマークデータセットに関する広範な実験は,提案した方法の有効性を検証し,提案した方法が最先端の方法より優れていることを示した。さらに,さらなる解析は提案した方法の優位性を明らかにした。【JST・京大機械翻訳】