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(ReID)は異なるカメラに跨る同一者を同定することである。者姿勢,オクルージョン,背景クラッタなどが大きく変化するため,挑戦的な課題である。強力な特徴を抽出するためにどのようにReIDにおける基本的問題である,まだ未解決の問題である今日。本論文では,全身および身体部分,各層のマルチスケール畳込みを積層することにより局所文脈知識を巧みに捕えることができる,強力な特徴を学習するためにマルチスケールコンテキストを意識したネットワーク(MSCAN)を設計した。さらに,予め定義された剛体部品を使用することの代わりに,ここでは,新しい空間制約を用いた空間変圧器ネットワーク(STN)を用いた変形可能な歩行者部品を学習し,局在することを提案した。学習された身体部位は,部品ベース表現における姿勢変化と背景クラッタ,いくつかの困難を放出することができる。最後に,マルチクラス個人識別作業により人ReIDのための統一的枠組みへの完全ボディ及びボディ部品の表現学習プロセスを統合した。電流困難な大規模者ReIDデータセット上での包括的評価,画像ベースMarket1501,CUHK03と配列に基づくMARSデータ集合を含む,は,提案した方法が最先端技術の結果を達成することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】