검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Completion of Missing Labels for Multi-Label Annotation by a Unified Graph Laplacian Regularization 통합 그래프 라플라시안 정규화를 통해 다중 레이블 주석에 대한 누락 레이블 완성

Jonathan MOJOO, Yu ZHAO, Muthu Subash KAVITHA, Junichi MIYAO, Takio KURITA

  • 조회수

    0

  • 이것을 인용

요약 :

웹 및 기타 대규모 데이터베이스에서 효율적인 이미지 검색을 위해 이미지 주석 작업이 엄청나게 중요해지고 있습니다. 그러나 막대한 의미 정보와 이미지에 대한 레이블의 복잡한 종속성은 작업을 어렵게 만듭니다. 따라서 이미지의 여러 레이블 간의 의미적 유사성을 결정하는 것은 이미지 검색을 위한 불완전한 레이블 할당을 이해하는 데 유용합니다. 이 연구에서는 강력한 주석 성능을 위해 심층 합성곱 신경망(CNN)에서 두 가지 유형의 라플라시안 정규화 용어를 통합하여 다중 레이블 이미지 주석 문제를 해결하는 새로운 방법을 제안합니다. 통합 라플라시안 정규화 모델은 본 연구의 주요 기여인 의미론적 유사성을 통해 내부 및 외부 레이블 간의 문맥적 유사성을 생성함으로써 누락된 레이블을 효율적으로 해결하기 위해 구현됩니다. 구체적으로 내부적으로는 Hayashi의 정량화 방법-유형 III을 사용하여 레이블 간의 유사성 행렬을 생성하고 외부에서는 word2vec 방법을 사용하여 레이블 간의 유사성 행렬을 생성합니다. 두 가지 다른 방법에서 생성된 유사성 행렬은 Laplacian 정규화 용어로 결합되며 이는 심층 CNN의 새로운 목적 함수로 사용됩니다. 본 연구에서 구현된 정규화 용어는 다중 레이블 주석 문제를 해결할 수 있어 보다 효과적으로 훈련된 신경망을 가능하게 합니다. 공개 벤치마크 데이터 세트에 대한 실험 결과에 따르면 심층 CNN을 사용하여 제안된 통합 정규화 모델은 정규화 및 누락된 레이블을 예측하기 위한 기타 최첨단 방법이 없는 기본 CNN보다 훨씬 더 나은 결과를 생성하는 것으로 나타났습니다.

발행
IEICE TRANSACTIONS on Information Vol.E103-D No.10 pp.2154-2161
발행일
2020/10/01
공개일
2020/07/03
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2019EDP7318
원고의 종류
PAPER
범주
인공지능, 데이터마이닝

작성자

Jonathan MOJOO
  Hiroshima University
Yu ZHAO
  Hiroshima University
Muthu Subash KAVITHA
  Hiroshima University
Junichi MIYAO
  Hiroshima University
Takio KURITA
  Hiroshima University

키워드