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。
分類logo画像は,テキストや形状のような要素を含むので,既知のオブジェクトから抽象的な形状を表現できるような困難なタスクである。ロゴ分類のための最新技術の現状は,単一特性に焦点を当てたマルチクラスタスクとして問題を扱うが,ロゴスは,異なる色のような複数の同時ラベルを持つことができる。本研究では,視覚的に類似のログを分類し,その形状,色,商業部門,意味論,一般特性,あるいはユーザによって選択された特徴の組み合わせによる一連のデータから検索できる方法を提案した。従来手法とは異なり,提案は,特定の属性に特殊化した一連のマルチラベル深層ニューラルネットワークを採用し,得られた特徴を組み合わせて類似性探索を行う。分類システムへデービングするために,異なる既存のログトポロジーを比較し,それらの問題のいくつかを分析し,例えば,商標登録データベースが通常含む不完全ラベリングのような。提案は,Viennaオントロジーを用いて階層的に組織化された,ヨーロッパ連合商標データセットから76000logos(以前のアプローチより7倍)を考慮して評価した。全体として,実験は,信頼できる定量的および定性的結果を達成し,商標画像検索タスクに対して,最先端技術の正規化平均ランク誤差を,0.040から0.018まで減少させた。最後に,ロゴの意味論が主観的であり,グラフィック設計学生と専門家を調査した。結果は,提案された方法論が人間のエキスパートオペレータより良いラベリングを提供し,ラベルランキング平均精度を0.53から0.68に改善することを示した。【JST・京大機械翻訳】