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。
近年,人物再認識(リード)は,コンピュータビジョンのコミュニティと産業の両方で大きな注目を集めている。本論文では,畳込みニューラルネットワーク(CNN)を用いた三重項ベースの深い類似性学習を用いた人物再認識のための新しいフレームワークを提案した。ネットワークは三重項入力を用いて訓練される:それらの二は同じクラスラベルを持ち,もう一つは異なっていた。深い特徴表現,同じクラス内の距離が減少することを学習することを目的とした,一方,異なるクラス間の距離を可能な限り増加した。さらに,筆者らは,六種のデータセット,一般的な方法とは異なるついてモデル学習を併用-オンモデルは,一つのデータセット上で訓練されたと同じものにも試験した。しかし,訓練サンプルの大きな数間の可能な三重項データの膨大な数を訓練を不能にした。この課題を解決するために,二重サンプリングスキームはできるだけ効果的な画像の三重項を生成するために提案した。提案したフレームワークは,いくつかのベンチマークデータセット上で評価した。実験結果は,この方法は人物再認識タスクのための有効で,匹敵するまたは最新技術手法の性能を上回るも示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】