文献

J-GLOBAL ID：201702268142206045   整理番号：17A0451063

オンライン教師つきハッシング【Powered by NICT】

Online supervised hashing

著者 (3件)： Cakir Fatih (Department of Computer Science, Boston University, Boston, MA 02215, United States) ,  Bargal Sarah Adel (Department of Computer Science, Boston University, Boston, MA 02215, United States) ,  Sclaroff Stan (Department of Computer Science, Boston University, Boston, MA 02215, United States)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 156  ページ： 162-173  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： 高速最近傍探索は,多くのコンピュータビジョン応用における大規模データの出現与えられたますます重要になっている。ハッシングアプローチはこの重要な必要性に対処するための高速探索機構でコンパクトなインデックス構造の両方を提供する。ラベル付き訓練データが利用できる画像検索問題では,教師つきハッシング手法は教師なし手法を超過した。多くの最先端教師つきハッシング手法をバッチ学習者を採用した。残念なことに,大規模データセットに直面した場合に,バッチ学習戦略は非効率であるかもしれない。さらに,バッチ学習と,データセットは成長を続けると思われる新しい変動としてハッシュ関数を適応させるかは不明である。これらの問題を扱うために,著者らは,OSH:誤り訂正出力符号に基づいたオンライン教師つきハッシング法を提案した。データを連続的に到着する確率的設定を考え,著者らの方法は区別的な方法でそのハッシング関数を学習し,適応させた。著者らの方法は,可能なクラスラベルの数に関する仮定をしないと,入力データストリームに存在する新しいクラスに対応している。三画像検索ベンチマークを用いた実験では,提案手法は平均平均精度で測定された最新の検索性能を生じ,一方,教師つきハッシングのための競合するバッチ法よりも数桁程度速い。,著者らの方法は,最近導入されたオンラインハッシング溶液よりも著しく優れている。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： 誤り訂正 ,  高速度 ,  バッチ処理 ,  ロット ,  近傍探索法 ,  学習 ,  *ハッシング ,  ベンチマーク ,  コンピュータビジョン ,  ハッシュ関数 ,  画像検索 ,  検索効率
準シソーラス用語： データストリーム ,  訓練データ ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： ハッシング ,  高速類似性検索 ,  近似最近傍 ,  検索

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： オンライン ,  教師 ,  ハッシング