文献

J-GLOBAL ID：201902228166908344   整理番号：19A1607904

人物再同定のためのカーネル化クロスビュー二次判別分析【JST・京大機械翻訳】

Kernelized Cross-view Quadratic Discriminant Analysis for Person Re-Identification

著者 (2件)： Matsukawa Tetsu (Faculty of Information Science and Electrical Engineering, Kyushu University, Fukuoka, 819-0395, Japan) ,  Suzuki Einoshin (Faculty of Information Science and Electrical Engineering, Kyushu University, Fukuoka, 819-0395, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： MVA  ページ： 1-5  発行年： 2019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： 人の再同定において,Keep it Simple and 直接ic metric(KISSME)は,実用的な距離メトリック学習法として知られている。典型的に,カーネル化は計量学習法の性能を改善する。それにもかかわらず,再生カーネルHilbert空間に関するKISSMEの導出は,重要でない問題である。Nystroem法は低次元ユークリッド空間におけるHilbert空間を近似し,KISSMEの応用は直接的であるが,識別情報を保存することはできない。Hilbert空間の弁別部分空間におけるKISSMEを利用するために,識別低次元部分空間を学習するクロスビュー判別分析(XQDA)のカーネル拡張を提案し,学習部分空間において同時にKISSMEを学習した。標準カーネルトリックを用いて,カーネル化XQDAは,経験的カーネルベクトルをXQDAの入力として用いる場合に結果を得ることを示した。ベンチマークデータセットに関する実験結果により,カーネル化XQDAがXQDAとナイストローム-KISSME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： Hilbert空間 ,  Euclid空間 ,  学習 ,  *判別分析 ,  ベンチマーク
準シソーラス用語： Kernel法 ,  部分空間 ,  識別子 ,  低次元 ,  距離メトリック学習 ,  二次判別分析 ,  *カーネル化 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 人物 ,  同定 ,  カーネル化 ,  二次判別分析