文献

J-GLOBAL ID：202002218036812969   整理番号：20A1072308

人物再同定のための受容多粒度表現【JST・京大機械翻訳】

Receptive Multi-Granularity Representation for Person Re-Identification

著者 (5件)： Wang Guanshuo (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University, Shanghai, China) ,  Yuan Yufeng (CloudWalk Technology Co., Ltd., Shanghai, China) ,  Li Jiwei (CloudWalk Technology Co., Ltd., Shanghai, China) ,  Ge Shiming (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Zhou Xi (CloudWalk Technology Co., Ltd., Shanghai, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 6096-6109  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： 人の再同定のための鍵は,可変環境にわたる識別表現のための一貫した局所的詳細を達成することである。現在のストリップベースの特徴学習アプローチは印象的な精度をもたらしたが,多様性,局所性,およびロバスト性の間の適切なトレードオフを作らず,それは剛性分割とミスアラインメントの間の衝突のための部分意味不整合性に容易に苦しんでいる。本論文では,ストライプベースの特徴学習を容易にするために,受容的な多粒度学習手法を提案した。このアプローチは,入力画像や出力特徴に関する現在のアプローチよりも,受容領域の範囲を操作するために中間表現上で局所的な分割を実行し,従って,局所的な関連を残しながら,局所性の表現を強化することができる。この目的のために,局所分割は均一なストライプに対する有意にバランスした活性化を用いて適応的にプールされる。ランダムシフトの増大は,境界ボックス内の人の出現領域のより高い分散のためにさらに導入されており,ミスアラインメントを容易にすることができる。2ブランチネットワークアーキテクチャにより,識別アイデンティティ表現の異なるスケールを学習できる。この方法で,著者らのモデルは,より大きなモデル貯蔵コストなしでより包括的で効率的な特徴表現を提供することができる。イントラデータセットとクロスデータセット評価に関する広範な実験により,提案したアプローチの有効性を実証した。特に,著者らのアプローチは,挑戦的なMarket-1501ベンチマークにおいて,96.2%@rank-1または90.0%@mAPの最先端精度を達成した。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： *学習 ,  剛性 ,  帯板 ,  不整合 ,  局所性 ,  有効性 ,  ベンチマーク ,  ロバスト性
準シソーラス用語： アイデンティティ ,  特徴表現 , 【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 (5件)： 人物 ,  同定 ,  受容 ,  粒度 ,  表現