| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-12-18 15:25 Multi-Task Attention Learning for Fine-grained Recognition ○Dichao Liu（NU）・Yu Wang（Rits）・Kenji Mase（NU）・Jien Kato（Rits）  PRMU2020-63 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Due to its inter-class similarity and intra-class variation, Fine-Grained Image Classification (FGIC) is an intrinsically difficult task. Most of the current studies solve this problem by localizing important local regions and then learning region-based features. Such methods, however, still face the issue of loss of information or high computational expenses. In this work, we concentrate on reinforcing the correspondence of the deep neural network to attention regions instead of part localization. We propose a new end-to-end optimization method called Multi-Task Attention Learning (MTAL) that can be implemented with the Soft Mask (SM) module and the Hard Crop (HC) module,which are two separate types of attention-generation modules. Experimental results on CUB-Birds and Stanford Cars show that, despite its simplicity, our procedure performs better than the baselines and is comparable to state-of-the-art studies. | |
| キーワード | （和） | / / / / / / / |
| （英） | Fine-grained image classification / Multi-task learning / Attention learning / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 300, PRMU2020-63, pp. 145-150, 2020年12月. | |
| 資料番号 | PRMU2020-63 | |
| 発行日 | 2020-12-10 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2020-63 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 転移学習・少数データからの学習 |
| テーマ（英） | Transfer learning and few shot learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-12-PRMU |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Multi-Task Attention Learning for Fine-grained Recognition |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Fine-grained image classification |
| キーワード(2)（和/英） | / Multi-task learning |
| キーワード(3)（和/英） | / Attention learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 劉 迪超 / Dichao Liu / リュウ ディチョウ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： NU) |
| 第2著者 氏名（和/英/ヨミ） | 王 彧 / Yu Wang / |
| 第2著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Rits) |
| 第3著者 氏名（和/英/ヨミ） | 間瀬 健二 / Kenji Mase / |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： NU) |
| 第4著者 氏名（和/英/ヨミ） | 加藤 ジェーン / Jien Kato / |
| 第4著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Rits) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-18 15:25:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-63 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.145-150 |
| ページ数 | 6 |
| 発行日 | 2020-12-10 (PRMU) |
[研究会発表申込システムのトップページに戻る]