文献

J-GLOBAL ID：202202285390506385   整理番号：22A0636701

製品分類のための教師付きコントラスト学習【JST・京大機械翻訳】

Supervised Contrastive Learning for Product Classification

著者 (4件)： Azizi Sahel (Deakin University, Burwood, VIC, Australia) ,  Fang Uno (Deakin University, Burwood, VIC, Australia) ,  Adibi Sasan (Deakin University, Burwood, VIC, Australia) ,  Li Jianxin (Deakin University, Burwood, VIC, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13088  ページ： 341-355  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： コントラスト学習は画像分類において大きな結果を示した。それは主に半教師つきまたは教師なし表現学習に適用される。コントラスト学習は,最近,画像分類のために完全ラベル付き画像を利用した教師つき環境において高精度結果を示している。e-コマース分野では,製品画像データセットは,新しい製品の分類をより困難にする多数のインスタンスを持たない傾向がある。したがって,製品画像を分類できるモデルは,すべての既存のラベル付き画像を詳細な方法で利用する必要がある。本論文は,それらの画像に基づく製品を明示的に分類するために教師つき対比学習を採用した。これは,補助入力として光特性認識(OCR)を用いて,そして微調整前訓練モデルによって行われる。OCRは,製品画像が標準画像に対して異なる特徴を持つという事実を利用する。製品画像に現れるラベルまたはテキストを捕捉し,それらの対応する画像と共に投影ネットワークに供給した。これは分類器に対する画像の分類を単純化する。微調整による補助入力の使用は,分類精度の注目すべきで有望な増加を示した。実験は,提案フレームワークが3つの異なるデータセットで既存の方法よりも15%のトップ1精度増加を達成したことを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光学的性質 ,  *コントラスト ,  *学習 ,  簡素化 ,  ネットワーク ,  *分類 ,  精度 ,  画像 ,  電子商取引
準シソーラス用語： 画像分類 ,  分類精度 ,  高精度 ,  微調整 , 【Automatic Indexing@JST】

著者キーワード (3件)： 対照的学習 ,  教師付き画像分類 ,  光学的文字認識

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 分類 ,  教師 ,  コントラスト ,  学習