文献

J-GLOBAL ID：202202246272754248   整理番号：22A0924315

ロバストな教師つき離散ハッシング【JST・京大機械翻訳】

Robust supervised discrete hashing

著者 (5件)： Xiao Yao (Key Laboratory of Intelligent Information Processing and Control, Chongqing Three Gorges University, Wanzhou, Chongqing, 404100, China) ,  Zhang Wei (Key Laboratory of Intelligent Information Processing and Control, Chongqing Three Gorges University, Wanzhou, Chongqing, 404100, China) ,  Dai Xiangguang (Key Laboratory of Intelligent Information Processing and Control, Chongqing Three Gorges University, Wanzhou, Chongqing, 404100, China) ,  Dai Xiangqin (Key Laboratory of Intelligent Information Processing and Control, Chongqing Three Gorges University, Wanzhou, Chongqing, 404100, China) ,  Zhang Nian (Department of Electrical and Computer Engineering, University of the District of Columbia Washington, D.C. 20008 USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 483  ページ： 398-410  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,二値符号から成るロバストな部分空間を学習できる,ロバストスーパービジョン離散ハッシュ(RSDH)と呼ばれるCauchy損失関数とSupervised Discrete Hashing(SDH)に基づくよりロバストな教師つきハッシュフレームワークを提案した。Cauchy損失を用いて,ラベルマトリックスと分解マトリックスの積の間の誤差を測定した。RSDHはハッシュ符号の異常値とノイズを減少するだけではなく,より満足な検索効果も達成する。画像検索実験は,RSDHが他のハッシング法よりも良好に機能することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  損失関数 ,  ラベル ,  異常値 ,  *ロバスト性 ,  *ハッシング ,  画像検索
準シソーラス用語： 部分空間 ,  バイナリコード , 【Automatic Indexing@JST】

著者キーワード (4件)： ロバスト性 ,  Cauchy損失 ,  教師付き離散ハッシング ,  画像検索

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ロバスト ,  教師 ,  ハッシング