後方互換表現学習に向けて【JST・京大機械翻訳】

Shen Yantao; Xiong Yuanjun; Xia Wei; Soatto Stefano

プレプリント

J-GLOBAL ID：202202218280888206 整理番号：21P0027596

後方互換表現学習に向けて【JST・京大機械翻訳】

Towards Backward-Compatible Representation 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 (4件)： , , ,
資料名：
発行年： 2020年03月26日プレプリントサーバーでの情報更新日： 2021年01月06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)

異なる次元を持ち,異なるニューラルネットワークアーキテクチャと損失関数により学習された場合でも,以前に計算されたものと互換性がある視覚特徴を学習する方法を提案した。このような特徴が画像を比較するのに用いられるならば,”新しい”特徴は”古い”特徴に直接比較できるので,それらは交換可能に使用できる。これにより,埋込みモデルを更新し,埋め戻しとして知られるプロセスとして,すべての以前に見られた画像に対して,新しい特徴を計算できる視覚探索システムが可能になった。バックワード適合性は,絶えず成長する大規模訓練データセットと深層学習アーキテクチャと訓練法の改善を利用する新しい埋込みモデルを迅速に展開するために重要である。後方互換表現学習に向けた第一段階として,後方適合訓練(BCT)と呼ばれる埋込みモデルを訓練するフレームワークを提案した。顔認識のための学習埋込みに関する実験において,BCTで訓練されたモデルは,精度を犠牲にすることなく,後方適合性を達成し,従って,視覚埋込みの埋め戻しフリーモデル更新を可能にした。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ , 図形・画像処理一般

前のページに戻る