文献

J-GLOBAL ID：201702287738038570   整理番号：17A0320248

クロスドメイン画像検索のための深いスケッチ特徴【Powered by NICT】

Deep sketch feature for cross-domain image retrieval

著者 (3件)： Wang Xinggang (School of Electronic Information and Communications, Huazhong University of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, PR China) ,  Duan Xiong (School of Electronic Information and Communications, Huazhong University of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, PR China) ,  Bai Xiang (School of Electronic Information and Communications, Huazhong University of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 207  ページ： 387-397  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： 深層学習は,種々の画像認識タスク,例えば,画像分類,意味的セグメンテーション,画像検索,形状分類に非常に有効であることが証明されている。しかし,画像認識のための深い学習についての既存の研究は主に自然画像データまたは二値形状データに焦点を当てた。本論文では,大規模データセットにおける自然画像を検索するために問合わせとして深い畳込みニューラルネットワーク(DCNN)もスケッチを用いたクロスドメイン画像認識に適していることを示した。この種領域間共通問題を解決するために,著者らは新規な方法で画像データとスケッチデータを用いたCNNを訓練し提案した。学んだ深い特徴であるクロスドメイン画像検索のための有効-学習された特徴に関する簡単なEuclid距離を用いた以前の最先端を超えることがわかった。添加では,トレーニング前とDCNNのための実行可能なデータ議論は標準スケッチ分類ベンチマークにおける人間レベル性能を大きく超えることが分かった。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： ニューラルネットワーク ,  画像認識 ,  *画像検索 ,  ベンチマーク ,  学習 ,  セグメンテーション ,  畳込み
準シソーラス用語： Euclid距離 ,  画像データ ,  大規模データセット ,  自然画像 ,  形状分類 ,  画像分類 ,  深層学習 ,  *スケッチ , 【Automatic Indexing@JST】

著者キーワード (3件)： スケッチ認識 ,  画像検索 ,  深い学習

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 (3件)： ドメイン ,  画像検索 ,  スケッチ