文献

J-GLOBAL ID：202002216390987050   整理番号：20A2028524

構造を意識した地図空間におけるシメールビークルの深部構造特徴学習再同定【JST・京大機械翻訳】

Deep Structural Feature Learning Re-Identification of simailar vehicles In Structure-Aware Map Space

著者 (5件)： Zhu Wenqian (National Engineering Research Center For Multimedia Software, Wuhan University, China) ,  Hu Ruimin (National Engineering Research Center For Multimedia Software, Wuhan University, China) ,  Wang Zhongyuan (National Engineering Research Center For Multimedia Software, Wuhan University, China) ,  Li Dengshi (National Engineering Research Center For Multimedia Software, Wuhan University, China) ,  Gao Xiyue (National Engineering Research Center For Multimedia Software, Wuhan University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MMAsia ’19  ページ： 1-6  発行年： 2019年 
JST資料番号： D0698C  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： 車両再識別(re-ID)は,重要な仕事として近年多くの注目を受けており,知的ビデオ監視への大きな貢献をしている。車両画像の複雑なクラス内およびクラス間変動は,特に同様の車両再IDに対して,車両再IDに対して大きな課題をもたらす。本論文では,同じ/類似モデルの車両再IDの興味深く挑戦的な問題に焦点を当てた。これまでの研究は,主に,車両再IDに対してより識別できる,風遮蔽に取り付けた装飾およびステッカーのような,車両フロントウィンドウにおける個々の局所領域を無視して,深いモデルを用いて,大域的特徴を抽出することに主に焦点を合わせている。それらの特徴を学習するためにこれらの領域を直接埋め込む代わりに,車両フロントウィンドウエリアにおける個々の局所領域の位置分布を有する構造意識キューを学習するための領域構造-アウェアモデル(RSA)を提案し,FW構造マップ空間を構築した。このマップでは,深層モデルは,同じ/類似モデルの車両再IDの性能を改善するために,よりロバストで識別的な空間構造意識特徴を学習できる。大規模車両再IDデータセット車両-1Mに関する著者らの方法を評価した。実験結果は,著者らの方法が有望な性能を達成して,いくつかの最近の最先端の手法より優れていることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  自動車 ,  立体構造 ,  深層 ,  ロバスト性 ,  深部構造
準シソーラス用語： ビデオ監視 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 深い畳込みニューラルネットワーク ,  地域構造意識モデル ,  自動車再ID

分類 (2件)： パターン認識  (JE07000S) ,  交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 意識 ,  地図 ,  深部 ,  構造特徴 ,  学習 ,  同定