文献

J-GLOBAL ID：201802286256753584   整理番号：18A2232944

車両再同定のための短く密に連結した畳込みニューラルネットワーク【JST・京大機械翻訳】

A Shortly and Densely Connected Convolutional Neural Network for Vehicle Re-identification

著者 (6件)： Zhu Jianqing (College of Engineering, Huaqiao University, Quanzhou, Fujian, China) ,  Zeng Huanqiang (College of Information Science and Engineering, Huaqiao University, Xiamen, Fujian, China) ,  Lei Zhen (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Liao Shengcai (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Zheng Lixin (College of Engineering, Huaqiao University, Quanzhou, Fujian, China) ,  Cai Canhui (College of Engineering, Huaqiao University, Quanzhou, Fujian, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 3285-3290  発行年： 2018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,車両再同定のための短く密に接続された畳込みニューラルネットワーク(SDC-CNN)を提案した。提案したSDC-CNNは,主に短い高密度ユニット(SDU),必要なプールおよび正規化層から成る。主な貢献は,短くて密な接続機構の設計にある。それは,特徴学習能力を効果的に改善する。具体的には,提案した短くて密な接続機構において,各SDUは密に接続した畳込み層の短いリストを含み,各畳込み層は同じ適切なチャネルである。その結果,各畳込み層の接続数と入力チャネルは各SDUで制限され,SDC-CNNのアーキテクチャは単純である。veriとVehicleIDデータセットの両方に関する広範な実験は,提案したSDC-CNNが明らかに複数の最先端の車両再同定法より優れていることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チャネル ,  *畳込み ,  計算機アーキテクチャ ,  正規化
準シソーラス用語： 高密度 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 同定 ,  畳込みニューラルネットワーク