文献

J-GLOBAL ID：202202278260622388   整理番号：22A1163483

インクリメンタル画像検索のための特徴推定に基づく相関蒸留【JST・京大機械翻訳】

Feature Estimations Based Correlation Distillation for Incremental Image Retrieval

著者 (6件)： Chen Wei (Leiden Institute of Advanced Computer Science, Leiden University, Leiden, The Netherlands) ,  Liu Yu (DUT-RU International School of Information Science and Engineering, Dalian University of Technology, Dalian, China) ,  Pu Nan (Leiden Institute of Advanced Computer Science, Leiden University, Leiden, The Netherlands) ,  Wang Weiping (College of Systems Engineering, NUDT, Changsha, China) ,  Liu Li (College of Systems Engineering, NUDT, Changsha, China) ,  Lew Michael S. (Leiden Institute of Advanced Computer Science, Leiden University, Leiden, The Netherlands)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 24  ページ： 1844-1856  発行年： 2022年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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)

抄録/ポイント： 増分文脈における細粒画像検索のための深層学習は,あまり研究されていない。本論文では,モデルの連続検索能力を実現するために,このタスクを検討した。これは,このモデルが新しい入力データをうまく実行することを可能にし,先行する古いタスクで学習された知識の忘却を低減する。この目的のために,新しいデータから抽出した表現間の意味的相関知識を蒸留し,教師-スチューデントフレームワークを用いてパラメータ更新を正則化した。特に,複数タスクを順次学習する事例に対して,最後モデルから蒸留された相関から,すべての事前モデルに対する表現を推定し,さらに,新しいデータから抽出した表現を用いてそれらの意味的相関を推定した。この目的のために,推定相関を追加正則化として用い,さらに全ての以前のタスクで破滅的忘却を防止し,これらのタスクで訓練されたモデルのストリームを節約することは不要である。広範な実験は,提案した方法が既に訓練された古いタスクで性能を保持し,新しいデータが1回または連続して追加されたとき,現在のタスクで良好な精度を達成するのに,良好に機能することを示した。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】

シソーラス用語： データ ,  *蒸留 ,  特性 ,  相関 ,  正則化 ,  *画像検索
準シソーラス用語： 入力データ ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 画像検索 ,  推定 ,  相関 ,  蒸留