細粒画像検索のためのディープリストワイズトリプレットハッシング【JST・京大機械翻訳】

Liang Yuchen; Pan Yan; Lai Hanjiang; Liu Wei; Yin Jian

文献

J-GLOBAL ID：202202248488039101 整理番号：22A0456652

細粒画像検索のためのディープリストワイズトリプレットハッシング【JST・京大機械翻訳】

Deep Listwise Triplet Hashing for Fine-Grained Image Retrieval

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0456652&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0456652&from=J-GLOBAL&jstjournalNo=W0364A") }}

著者 (5件)： , , , ,
資料名：
巻： 31 ページ： 949-961 発行年： 2022年
JST資料番号： W0364A ISSN： 1057-7149 CODEN： IIPRE4 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ハッシュは,近似最近傍探索のための実用的アプローチである。エンティティ(例えば,画像)のためのコンパクトで類似性保存バイナリコードを作り出すために深いネットワークを訓練する深いハッシング方法は,情報検索コミュニティにおいて多くの注目を受けた。深いハッシング方法の代表的ストリームは,データの三重項からハッシングモデルを学習する三重項ベースのハッシングである。既存の三重項ベースのハッシング法は,qとq+が同じクラスであり,qとq-が異なるクラスにある(q,q+,q-)の形にある三重項のみを考慮する。しかし,可能な三重項の数は,訓練例の立方体であり,既存の方法で使用される三重項は,すべての可能な三重項の小さな部分である。これは,訓練段階で多くの三重項を採用する新しい三重項ベースのハッシング法を開発することを動機づける。バッチベースの訓練により多くの三重項を導入し,新しい三重項における相対類似性を捉えるために,新しいリストワイズ三重項損失を導入した,深いリストワイズ三重ハッシュ(DLTH)を提案した。この方法は2段階のパイプラインを持つ。ステップ1では,(q,q+,q-)の形で三重項が新たに得られた三重項のサブセットである,知識蒸留モジュールにより得られたソフトクラスラベルから三重項を生成する新しい方法を提案した。ステップ2では,ハッシュネットワークを訓練する新しいリストワイズ三重項損失を開発し,ソフトラベルに従って三重項中の画像間の相対類似性を捉える。4つのベンチマークデータセット上で包括的な画像検索実験を行った。実験結果は,提案した方法が最先端のベースラインよりも優れた性能を持つことを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

図形・画像処理一般

前のページに戻る