文献

J-GLOBAL ID：201702263275677808   整理番号：17A1262555

大規模人物再同定のための部分ベース深部ハッシング【Powered by NICT】

Part-Based Deep Hashing for Large-Scale Person Re-Identification

著者 (5件)： Zhu Fuqing (School of Information and Communication Engineering, Dalian University of Technology, Dalian, China) ,  Kong Xiangwei (School of Information and Communication Engineering, Dalian University of Technology, Dalian, China) ,  Zheng Liang (Centre for Quantum Computation and Intelligent Systems, University of Technology Sydney, Ultimo, NSW, Australia) ,  Fu Haiyan (School of Information and Communication Engineering, Dalian University of Technology, Dalian, China) ,  Tian Qi (Department of Computer Science, University of Texas at San Antonio, San Antonio, TX, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 10  ページ： 4806-4817  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模は者再同定(リード)傾向がある。リアルタイム探索は大きなギャラリーで行われることが重要である。以前の方法はほとんど弁別学習に焦点を当てているが,本論文では,深層学習を統合し,大規模者リードのための効率と精度を評価するために一つのフレームワークにハッシュの試みを行った。歩行者画像を分割する水平部分にによる識別的視覚表現のための空間情報を統合した。特に,部品-利用深部ハッシング(PDH)を提案し,三重項試料のバッチは,深いハッシングアーキテクチャの入力として使用した。各三重項試料は,同じ相同性を持つ二歩行者画像(または部分)と1つの歩行者画像(または一部)異なる同一性を含んでいる。三重項損失関数は同じ相同性を持つ歩行者画像(または部品)のHamming距離が異なる同一性を持つものより小さいという制約を採用した。実験では,提案したPDH法は大規模市場1501市場千五百一五百Kデータセット上で非常に競争力のあるリード精度が得られることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 三重項 ,  Hamming距離 ,  画像 ,  *深部 ,  弁別学習 ,  *ハッシング ,  相同性 ,  損失関数 ,  歩行者
準シソーラス用語： 空間情報 ,  深層学習 ,  ギャラリ ,  実時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 大規模 ,  人物 ,  同定 ,  深部 ,  ハッシング