デカップリングは弱教師付き局所特徴を改善する【JST・京大機械翻訳】

Li Kunhong; Wang Longguang; Liu Li; Ran Qing; Xu Kai; Guo Yulan

プレプリント

J-GLOBAL ID：202202215600415582 整理番号：22P0025098

デカップリングは弱教師付き局所特徴を改善する【JST・京大機械翻訳】

Decoupling Makes Weakly Supervised Local Feature Better

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01月08日プレプリントサーバーでの情報更新日： 2022年03月25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)

弱い教師つき学習は,高密度にラベル付けされた対応を持つ大規模データセットを獲得する障害を克服するため,局所特徴法を助けることができる。しかし,弱い監視は,検出と記述段階に起因する損失を区別することができないので,共同記述-検出パイプライン内の弱い教師つき学習を直接実行することは,限られた性能に悩まされる。本論文では,弱教師つき局所特徴学習のために仕切られた分離型記述-認証パイプラインを提案した。パイプライン内で,検出ステップを記述ステップから分離して,識別とロバスト記述子を学習するまで延期した。さらに,より良いディスクリプタ学習のためにカメラ姿勢情報を明示的に使用するために,ラインツーウィンドウ探索戦略を導入した。大規模な実験は,著者らの方法,すなわちPoSFeat(Camera Pose Supervised Feature)が,以前の完全かつ弱い教師つき方法よりも優れ,広範囲の下流タスクに対して最先端の性能を達成することを示した。【JST・京大機械翻訳】

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

パターン認識

, ,

前のページに戻る