閲覧可能ファイル 

ファイル	フォーマット	サイズ	閲覧回数	説明
gradse_60_17R4119	pdf	460 KB	71

論文情報

ファイル出力

アイテムタイプ	紀要論文
タイトル	敵対的性質を示す仮想類似データを利用した深層距離学習の汎化性能の向上
その他のタイトル	VIRTUAL ADVERSARIAL SIMILAR POINT TO IMPROVE GENERALIZATION OF DEEP METRIC LEARNING
著者	著者名 松岡, 佑磨
	著者名 MATSUOKA, Yuma
言語	jpn
ISSN	21879923
DOI	https://doi.org/10.15002/00022055
出版者	法政大学大学院理工学研究科
雑誌名	法政大学大学院紀要. 理工学・工学研究科編
巻	60
開始ページ	1
終了ページ	6
発行年	2019-03-31
著者版フラグ	Version of Record
キーワード	deep metric learning
	adversarial examples
	fine-grained image recognition
	zero-shot learning
内容記述	ヘッダー部分に誤記 ; (誤) 法政大学大学院理工学・工学研究科紀要 (正) 法政大学大学院紀要. 理工学・工学研究科編
抄録	Deep Metric Learning learns a small dimensional feature representation from input data points which has a geometry same as the input data points, in where the distance between similar data points are small and the distance between dissimilar datapoint are large. Therefore, it has been widely used in a variety of tasks like image retrieval and person re-identification. However, it requires to sample some kind of input data points to calculate similarity and dissimilarity to optimize itself but getting difficult to find efficient variations by hard example mining during its training. In this paper, we propose a novel deep metric learning method which is optimized by a loss function with generated virtual adversarial similar point and a metric loss and evaluate its performance in the Zero-shot learning benchmark with CUB-200-2011 and CARS-198 datasets.
資源タイプ	Article
書誌レコードID	AA12677220
インデックス	資料タイプ別 ＞ 学内論文 ＞ 法政大学大学院紀要. 理工学・工学研究科編
	501 学内論文 ＞ 紀要 ＞ 法政大学大学院紀要. 理工学・工学研究科編 ＞ 60

ホームへ戻る