文献

J-GLOBAL ID：201702279705539199   整理番号：17A1773080

進行性潜在モデルを用いた自己学習シーン固有の歩行者検出器【Powered by NICT】

Self-Learning Scene-Specific Pedestrian Detectors Using a Progressive Latent Model

著者 (7件)： Ye Qixiang ,  Zhang Tianliang ,  Ke Wei ,  Qiu Qiang ,  Chen Jie ,  Sapiro Guillermo ,  Zhang Baochang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 2057-2066  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,自己学習手法により,含まれる人間アノテーション無しシーン特有の歩行者検出問題を解決するために提案した。自己学習手法は,物体発見,物体,およびラベル伝搬の漸進的段階として用いられている。学習法では,各フレームの中のオブジェクト位置は進行性潜在モデル(PLM)を用いて解決される潜在的変数として処理した。従来の潜在モデルと比較して,提案したPLMはオブジェクト提案における曖昧性を削減すると対象物の位置決定を強化するための空間正則化項組み込み,隣接フレームの硬い例を発見するために,グラフベースラベル伝搬。凸(DC)目的関数の差を用いて,PLMは凹-凸プログラミングによる効率的に最適化でき,自己学習の安定性を保証した。包括的な実験を行い,アノテーションがなくても提案した自己学習アプローチは,弱教師つき学習アプローチよりも優れていることを示し,移動学習と完全に教師つきアプローチに匹敵する性能を達成した。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： 位置決め ,  曖昧さ ,  最適化 ,  アノテーション ,  凸形 ,  教師つき学習 ,  正則化 ,  目的関数 ,  凹形 ,  *学習 ,  凸計画法
準シソーラス用語： ラベル伝搬 ,  *歩行者検出 ,  *自己学習 , 【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)： モデル ,  自己学習 ,  シーン ,  固有 ,  歩行者検出