文献
J-GLOBAL ID:201702220912239469   整理番号:17A0320297

大規模画像分類のための大きなマージン計量の階層的学習【Powered by NICT】

Hierarchical learning of large-margin metrics for large-scale image classification
著者 (6件):
資料名:
巻: 208  ページ: 46-58  発行年: 2016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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模画像分類は挑戦的な仕事であり,最近活発な研究の関心を集めている。本論文では,最大マージン基準(HLMMs)の階層的学習による大規模画像分類のより効果的な実装を達成するために開発された新しいアルゴリズム。シームレスノードspecific/category特異的マージン測定基準の集合を学習するためのメトリック学習と統合される階層的視覚木。最初に,階層的視覚樹は効果的にカテゴリー間視覚相関を特性化し,粗から精への様式で多数画像カテゴリーのを組織化するために学習される。第二に,著者らの階層的ビジュアルツリー上での最も近いクラス平均(NCM)分類器を訓練することにより大規模マージン・メトリックスの階層的学習を支援するために開発された新しいアルゴリズム。さらに,マージン計量学習における高次元データのための正則化器としての次元縮小を考察した。マージンメトリックスの階層的学習を支援するために開発した二トップダウンアプローチ。階層的視覚ツリー上での同一親ノードで視覚的に類似したサブノード(視覚的に類似した画像カテゴリー)を同定するためのNCMノード分類器のためのより識別的計量を学習に焦点を当てた。使用HLMMs学習アルゴリズムを最適化するためにミニバッチ確率的勾配降下法。ImageNet大規模視覚認識チャレンジ2010データセット(ILSVRC2010)に関する実験結果は,著者らのHLMMs学習アルゴリズムは,大規模画像分類を支援するための非常に有望であることを実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る