文献

J-GLOBAL ID：202002215763388859   整理番号：20A0265838

人物再同定のためのテンソルマルチタスク学習【JST・京大機械翻訳】

Tensor Multi-Task Learning for Person Re-Identification

著者 (5件)： Zhang Zhizhong (Research Center of Precision Sensing and Control, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Xie Yuan (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Zhang Wensheng (Research Center of Precision Sensing and Control, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Tang Yongqiang (Research Center of Precision Sensing and Control, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Tian Qi (Huawei Noah’s Ark Lab, Shenzhen, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 2463-2477  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 本論文は,人物再同定(Re-ID)のためのテンソルマルチタスクモデルを提示した。カメラ間の不一致により,著者らのアプローチは,異なるが関連する分類タスクとしての複数カメラからのRe-IDに関するものであるが,各タスクは特定カメラに対応する。各タスクにおいて,一つの分類器が特定の人と関連する一つの全ての線形分類問題として,人物のアイデンティティを識別する。すべての分類器をタスク特有の射影行列に構築することによって,提案した方法はすべての行列を利用してテンソル構造を形成し,一様なテンソル空間におけるすべてのタスクを共同的に訓練することができた。この空間において,異なるカメラの下で同じ人の特徴を仮定することにより,潜在的部分空間から生成され,同じ視点の下での異なるアイデンティティは類似パターンを共有する。異なるタスクを横断するだけでなく,新しいタイプの低ランクテンソル制約を利用することにより,特定のタスク内での高次相関を捉えることができる。したがって,学習された分類器は,元の特徴ベクトルを潜在空間に変換する。そこでは,カメラを横切る特徴分布を良く整列できる。さらに,このモデルは性能を上げるために複数の視覚的特徴に組み込まれ,教師なしの設定に容易に拡張できる。広範な実験と最近のRe-ID法との比較により,この方法の競合性能を明らかにした。Copyright 2020 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： 線形性 ,  カメラ ,  *テンソル
準シソーラス用語： 特徴ベクトル ,  部分空間 ,  射影行列 ,  アイデンティティ ,  *マルチタスク ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 人物 ,  同定 ,  テンソル ,  マルチタスク学習