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。
人物再同定(Re ID)は視野角,背景クラッタ,照明条件や相互閉塞の変動に起因する有意な外観変化のために,挑戦的な問題となっている。これらの問題に対処するために,従来の方法は通常ペアワイズ類似性に基づくロバストな特徴表現や学習距離変換を提案することに焦点を当て,Fisher型基準を用いた。深層学習に基づくアプローチの最近の発展は,関節に二つのプロセスを述べ,有望な進歩を達成した。深い学習に基づく者Re IDのための鍵となる問題の一つは,適切な類似性比較基準の選択であり,ペアワイズ類似性に基づいて既存の基準を用いて学習特徴の性能はまだ限られている,P2P距離はほとんど考慮のみによる。本論文では,P2S類似性比較に基づく新しい者Re ID法を提示した。P2S計量は,クラス内距離を最小化し,クラス間距離を最大化することができる,深いモデルのパラメータを最適化するために勾配を逆伝搬する。提案P2S計量を利用して,学習された深層モデル学習識別的で安定した特徴表現による異なる人を識別することができる。3dpes,CUHK01,PRID2011とMarket1501データセット上での包括的実験的評価は,最新の手法よりも提案手法の利点を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】