MSDN:ゼロショット学習のための相互意味論的蒸留ネットワーク【JST・京大機械翻訳】

Chen Shiming; Hong Ziming; Xie Guo-Sen; Yang Wenhan; Peng Qinmu; Wang Kai; Zhao Jian; You Xinge

プレプリント

J-GLOBAL ID：202202217861155580 整理番号：22P0299787

MSDN:ゼロショット学習のための相互意味論的蒸留ネットワーク【JST・京大機械翻訳】

MSDN: Mutually Semantic Distillation Network 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 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年04月21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)の鍵となる課題は,見えるクラス上の視覚と属性特徴の間の潜在的意味知識を推論する方法であり,従って,非セエンスクラスへの望ましい知識移転を達成することである。先行研究は,その関連するクラス意味ベクトルを持つ画像の大域的特徴を単純に調整するか,あるいは,限られた潜在意味表現を学習するための一方向注意を利用して,それは,視覚と属性特徴の間の固有意味知識(例えば属性意味論)を効果的に発見できなかった。上記のジレンマを解決するために,著者らは,ZSLのための視覚と属性特徴の間の本質的意味表現を徐々に蒸留する,Mutual Semantic Disillation Network(MSDN)を提案する。MSDNは属性ベース視覚特徴を学習する属性→ビジュアル注意サブネットと,視覚ベース属性特徴を学習する視覚→属性注意サブネットを組み込んだ。意味的蒸留損失をさらに導入することによって,2つの相互注意サブネットは,訓練プロセスを通して互いに協調して教育することができる。提案したMSDNは,強いベースラインに対して顕著な改善をもたらし,3つの一般的な挑戦的なベンチマーク,すなわち,CUB,SUN,およびAWA2に関する最新の最先端の性能をもたらした。著者らのコードは,ウルル{https://github.com/shiming chen/MSDN}で利用可能であった。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , ,

前のページに戻る