• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>電子情報通信学会技術研究報告. バイオメトリクス >1対多敵対的画像生成に基づくデータ多様性に頑健な半教師あり学習
【24h】

1対多敵対的画像生成に基づくデータ多様性に頑健な半教師あり学習

机译：1人文主义与人文人体的学习基于多与图像生成的数据分集

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

深層学習による画像などの認識は，従来に比べ格段に優れた性能を発揮するが，大規模な教師ありデータを必要とすることが問題点だった．これに対し近年では，ラベル付き合成データを用いるSimulated+Unsupervised(S+U)学習により，高度な認識タスクを教師あり実データを用いずに実現することが可能になった．この手法は合成ドメイン·実ドメイン間の変換を用いることで高精度な予測を実現する．しかし，従来の手法ではドメイン間の1対1変換を用いており，1つの合成データから生成される実データは1つのみである．つまり，1つの合成データから複数人物などの多様な実データを生成し，学習に用いることができない．また予測器の学習には合成データ，教師なし実データの両方が利用可能なのにも関わらず，合成データのみを予測器の学習に利用している．そこで本研汽では，a)教師なし実データを1対多変換で様々な合成ドメインの画像に変換し，b)実データ由来の変換画像と合成画像の両方を訓練データとして，Mean Teacherをベースとした半教師あり学習を行う手法を提案する．
机译：通过深入学习等对图像的认识是一个问题，即它比传统的性能明显更好，但需要大规模的教师和数据。相比之下，近年来，使用标记的合成数据的模拟+无监督（S + U）学习已经使得可以实现没有教师和真实数据的高级识别任务。这种方法通过使用复合域和真实视频之间的转换来实现高精度预测。然而，传统技术在域之间使用一对一的转换，并且只能从一个复合数据生成的一个组合数据。也就是说，可以生成各种真实数据，例如来自一个组合数据的多个人，并用于学习。此外，尽管学习了预测因子，但是复合数据和教学实际数据都可提供，但只使用复合数据来学习预测器。因此，在主学院，a）教师否在一对多转换中将实际数据转换为基于均值的教师，基于转换的图像和复合图像来转换各种复合域和b）的图像真实数据作为培训数据，我们提出了一种学习半病理的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号