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。
車両再同定(reID)は,知的ビデオ監視に寄与する大きな可能性を有する。しかし,類似の外観を持つ異なる車両のアイデンティティがほとんどの事例間の食い違いを持たないという挑戦に悩まされているが,一方,一つの車両は通常,視点と照明の変化の下で大きなイントラインスタンスの違いを持っている。以前の方法は,オリジナルに捉えられたビューから視覚的特徴を単純に用いることによって車両の再IDを扱い,通常,結果を洗練するために車両の空間的時間情報を利用する。本論文では,多視点車両Reid問題を解決するために,視覚情報のみを必要とする,視点認識的注意多視点推論(VAMI)モデルを提案した。任意の視点の与えられた車両画像において,VAMIは各入力画像に対する単一視点特徴を抽出し,その特徴を大域的多視点特徴表現に変換することを目的としているので,対距離メトリック学習はそのような視点点の特徴空間においてより良く最適化できる。VAMIは,異なる視点におけるコア領域を選択するために,視点を意識した注意モデルを採用し,敵の訓練アーキテクチャによって効果的な多視点特徴推論を実行する。広範な実験により,提案した各構成要素の有効性を検証し,提案手法が,2つの公開データセットに関する最先端の車両再ID法に対する一貫した改善を達成することを示した。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】