文献

J-GLOBAL ID：202202216775952604   整理番号：22A0446385

細粒度認識における部分特徴のためのFisherベクトル符号化のエンドツーエンド学習【JST・京大機械翻訳】

End-to-End Learning of Fisher Vector Encodings for Part Features in Fine-Grained Recognition

著者 (5件)： Korsch Dimitri (Computer Vision Group, Friedrich-Schiller-University Jena, Jena, Germany) ,  Bodesheim Paul (Computer Vision Group, Friedrich-Schiller-University Jena, Jena, Germany) ,  Denzler Joachim (Computer Vision Group, Friedrich-Schiller-University Jena, Jena, Germany) ,  Denzler Joachim (Michael Stifel Center Jena for Data-Driven and Simulation Science, Jena, Germany) ,  Denzler Joachim (German Aerospace Center (DLR), Institute for Data Science, Jena, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13024  ページ： 142-158  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 微細粒認識のための部分ベース手法は,高度に類似したクラスを識別するのに関連する小さな詳細に明示的に焦点をあてるが,大域的手法に対して期待される性能利得を示さない。部分ベースの方法は,部品の次数に不変であり,適切に変化する数の可視部分を扱うことができる局所特徴の欠落表現に悩まされると仮定した。部品の次数は人工的であり,しばしば地上-トラスアノテーションによって与えられるだけであり,一方,視点変動とオクルージョンは観察可能な部分をもたらさない。したがって,部分特徴のFisherベクトル符号化を畳込みニューラルネットワークに統合することを提案する。この符号化のパラメータはニューラルネットワークのそれらと共にオンラインEMアルゴリズムによって推定され,以前の研究の推定値より正確である。提案アプローチは3種の鳥類種分類データセットに対して最先端の精度を改善する。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  *学習 ,  ニューラルネットワーク ,  *エンドツーエンド方式 ,  利得 ,  推定量 ,  オクルージョン
準シソーラス用語： EMアルゴリズム ,  オンライン ,  局所特徴 , 【Automatic Indexing@JST】

著者キーワード (4件)： エンドツーエンド学習 ,  Fisherベクトル符号化 ,  部分ベース細粒認識 ,  オンラインEMアルゴリズム

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 細粒度 ,  ベクトル ,  符号化 ,  エンドツーエンド ,  学習