文献
J-GLOBAL ID:201702256828517852   整理番号:17A0368969

マルチインスタンスマルチラベル学習に基づく人物再同定【Powered by NICT】

Person re-identification based on multi-instance multi-label learning
著者 (4件):
資料名:
巻: 217  ページ: 19-26  発行年: 2016年 
JST資料番号: W0360A  ISSN: 0925-2312  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人物再認識は,コンピュータビジョンの活発な研究分野であると多くの研究者研究されている。しかし,評価の視点,照明,歩行者の姿勢といくつかの他の因子の分散のために,開世界におけるロバストな人物再同定アルゴリズムを構築することは非常に難しい。本論文では,閉じた短期監視ネットワークにおける人物再認識を固定するために二つのアルゴリズム,無差別なパッチトリム戦略とマルチインスタンスマルチラベル学習法を提案した。が本論文の二つの大きな貢献がある:第一に,著者らは,対象者の画像における識別領域を定義した。これに対応して,識別領域を形成する画像パッチの識別性を評価するために提案を適用したキャノピーk平均アルゴリズム。に加えて,二つの戦略,局所画像と地球ギャラリーデータセットでは混乱したフィルタが提案されている。最後に,真の識別パッチは,二つの画像間の類似性を計算し,歩行者を再同定に使用されている。第二に,筆者らは最初にマルチインスタンスマルチラベル学習法の再同定への導入と,MIMLLを適用して人物再認識を解くためのフレームワークを提案した。各画像の属性を検出するための二MIMLL法,MIMLB00STとMIMLSVM,採用し,それらの検出特性は,異なる歩行者を認識するために寄与する。二つのベンチマークデータセット上での実験を行い,二つの提案されたアルゴリズムの競争力のある性能を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る