文献

J-GLOBAL ID：202002240257879311   整理番号：20A0827428

ビデオ人物再同定のためのマルチスケール時間キュー学習【JST・京大機械翻訳】

Multi-Scale Temporal Cues Learning for Video Person Re-Identification

著者 (3件)： Li Jianing (Department of Computer Science, School of Electronic Engineering and Computer Science, Peking University, Beijing, China) ,  Zhang Shiliang (Department of Computer Science, School of Electronic Engineering and Computer Science, Peking University, Beijing, China) ,  Huang Tiejun (Department of Computer Science, School of Electronic Engineering and Computer Science, Peking University, Beijing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 4461-4473  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： ビデオに埋め込まれた時間キューは,人物再同定(Reid)のための重要な手掛かりを提供する。コンパクトなニューラルネットワークによる時間キューを効率的に利用するために,本研究では,マルチスケール3D(M3D)コンボリューション層と呼ばれる新しい3Dコンボリューション層を提案した。M3D層は実装が容易で,エンドツーエンド訓練により多重スケール時間キューを学習するために,従来の2Dコンボリューションネットワークに挿入できる。挿入位置によると,M3D層は,それぞれ,局所M3D層とグローバルM3D層の2つのバリアントを持っている。隣接する2D特徴マップ間の空間時間キューを学習するために,2D畳込み層間に局所M3D層を挿入した。グローバルなM3D層を,それらのグローバルな時間的関係を学習するために,隣接フレーム特徴ベクトル上で計算した。したがって,局所的およびグローバルなM3D層は相補的な時間キューを学習する。それらの組合せは,従来の2D CNNに対するパラメータの一部を導入するが,強いマルチスケール時間特徴学習能力をもたらす。学習された時間的特徴を空間的特徴と融合し,ビデオ人Reidに対する最終的な空間時間表現を構成した。4つの広く使われているビデオ人Reidデータセット,すなわち,MARS,DukeMTMC-VideoReID,PRIID2011,およびiLIDS-VIDに関する評価は,最新技術に対する著者らの方法の実質的利点を実証した。例えば,それは再ランキングなしでMARSに関して88.63%のランク精度を達成した。この方法はまた,Reid精度とモデルサイズの間の合理的なトレードオフを達成し,例えば,それはI3D CNNの約40%のパラメータを節約する。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： 二次元 ,  三次元 ,  *録画装置 ,  ニューラルネットワーク ,  等級づけ ,  エンドツーエンド方式 ,  *学習 ,  畳込み
準シソーラス用語： 学習能力 ,  特徴ベクトル ,  特徴マップ ,  マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ビデオ ,  人物 ,  同定 ,  マルチスケール ,  キュー ,  学習