非監督画像マッチングと物体発見の最適化としてのアプローチ

完全監督または部分監督の学習は強力ですが、その効果は人間によるアノテーションの努力がますます増大することに依存しています。この深刻な問題を緩和し、特定のアプリケーションに対応するため、非監督学習が重要な研究分野として注目を集めています。コンピュータビジョンにおいて、非監督学習は様々な形で現れます。本稿では、Choら（2015）の研究に従い、画像コレクション内の物体カテゴリの非監督的な発見とマッチングに焦点を当てます。我々は、元の手法を適切な最適化問題として再定式化し解くことができますことを示します。複数のベンチマークにおける実験結果により、我々の手法の有効性が確認されました。