文献

J-GLOBAL ID：201802250299909542   整理番号：18A0519088

人物再同定のための学習自己ペース最小二乗半結合辞書【Powered by NICT】

Self-paced least square semi-coupled dictionary learning for person re-identification

著者 (5件)： Xu Wei (Institution of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, China) ,  Chi Haoyuan (Institution of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, China) ,  Zhou Lei (Institution of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, China) ,  Huang Xiaolin (Institution of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, China) ,  Yang Jie (Institution of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3705-3709  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： 人物再認識は,互いに素なカメラビューをまたがった人々の一致することを目的とした。最小二乗半結合辞書学習(LSSCDL)ベース試料特異的SVM学習フレームワークは最新の性能を得ていることが報告されている。しかし,辞書対(特徴,重量)学習のアルゴリズムと特徴空間と重み空間の間のマッピング関数,LSSCDLの目的関数は非凸であり,目的関数の局所最小値を有して最適下限解をもたらす通常。この制約に対処するために,自己ペース最小二乗半結合辞書学習(SLSSCDL)アルゴリズム,自己ペースの学習,より良い局所最小値を得るために意味のあるために訓練データを提示することによって従来の学習モデルの精度を向上させることができるフレームワークに関する以前の研究によりヒントを得たものであることを示した,すなわち容易な試料を先ず示した。さらに,グラフベース正則化項はまた,各空間における局所類似性を維持するために導入した。実験結果はSLSSCDLは二つの挑戦的なデータセット上で比肩可能な性能を得ることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  学習モデル ,  *学習 ,  再認 ,  正則化 ,  類似性 ,  凸形 ,  *最小二乗法 ,  目的関数
準シソーラス用語： 訓練データ ,  特徴空間 ,  辞書学習 ,  互いに素 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 人物 ,  同定 ,  学習 ,  自己 ,  最小二乗 ,  辞書