文献

J-GLOBAL ID：201702249151034252   整理番号：17A1455055

人物再同定のための結合辞書と計量学習【Powered by NICT】

Joint dictionary and metric learning for person re-identification

著者 (6件)： Zhou Qin (Institute of Image Processing and Network Engineering, Shanghai Jiao Tong University, China) ,  Zhou Qin (Department of Computer and Information Sciences, Temple University, USA) ,  Zheng Shibao (Institute of Image Processing and Network Engineering, Shanghai Jiao Tong University, China) ,  Ling Haibin (Department of Computer and Information Sciences, Temple University, USA) ,  Su Hang (Department of Computer Science and Technology, Tsinghua University, China) ,  Wu Shuang (Institute of Image Processing and Network Engineering, Shanghai Jiao Tong University, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 72  ページ： 196-206  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 非重複カメラ視界を通過者マッチング,人物再識別として知られる,はスマート監視システムにおける長期歩行者追跡のための非常に重要である。人物再同定のための種々のアルゴリズムの中で,異なるカメラ視界を通過画像のためのロバストな特徴表現を構築するために利用されている辞書学習。一方,計量学習は通常個人間発散を最大化する一方,内者発散を最小化する最適特徴部分空間を見出すために開発した。代表的な特徴と識別計量の両方が人物再同定法の性能に大きな影響を持っているが,現存のアルゴリズムの大部分は二側面の一つだけに焦点を当てた。本論文では,辞書学習手続きの中に明示的にモデリング識別メトリック学習により,ロバストな特徴表現学習と識別メトリック学習を定式化した統一フレームワークにすることを提案した。メトリック学習における硬負対に対する量バイアスの問題を軽減するために,インスタンス選択は類似性制約定式化における硬質負マイニングのための行った。に加えて,辞書と係数更新のための閉形式解を見出す。三つの挑戦的なデータセットと同様に断面データセット実験に包括的な実験を行い,関節辞書と距離学習フレームワークの有効性および汎化能力を実証した。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： マッチング ,  定式化 ,  画像 ,  バイアス ,  ロバスト性 ,  *学習 ,  モデリング ,  カメラ ,  汎化 ,  アルゴリズム ,  類似性
準シソーラス用語： メトリック学習 ,  部分空間 ,  辞書学習 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人物再同定 ,  辞書学習 ,  メトリック学習 ,  ハード負マイニング

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 人物 ,  同定 ,  辞書 ,  計量 ,  学習