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における開放と挑戦的な問題である。カメラの数もネットワーク内で固定されている既存アプローチでは,静的環境における最良特徴表現や学習最適マッチング計量設計に集中していた。大抵の手法は再同定問題の動的でオープンな世界性質,新しいカメラは一時的に付加的な情報を得るために既存システムに挿入される可能性を無視してきた。このような新規で非常に実用的な問題を解決するために,動的カメラネットワークにおける再識別モデルのための教師なし適応化方式を提案した。最初に,新しく導入された標的カメラを用いた適応,非常に高価な訓練フェーズを必要とせずに最良のソースカメラ(既に設置されている)を効率的に見出せることを測地流カーネルに基づくドメイン知覚再同定法を定式化した。第二に,複数カメラのネットワーク内の他のカメラ対の精度を改善するための最良のソースカメラからの情報を利用することができることを再認識のための推移的推論アルゴリズムを提案した。四つのベンチマークデータセット上での包括的実験を行い,提案アプローチが最先端の教師なし学習に基づく代替案の性能を著しく上回る計算に非常に効率的である,ことを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】