文献

J-GLOBAL ID：202002259682935098   整理番号：20A0957359

交差Camera類似性探索による教師なし人物再同定【JST・京大機械翻訳】

Unsupervised Person Re-identification via Cross-Camera Similarity Exploration

著者 (5件)： Lin Yutian (Institute of Information and Control, Hangzhou Dianzi University, Hangzhou, China) ,  Wu Yu (Center for Artificial Intelligence, University of Technology Sydney, Ultimo, NSW, Australia) ,  Yan Chenggang (Institute of Information and Control, Hangzhou Dianzi University, Hangzhou, China) ,  Xu Mingliang (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Yang Yi (Center for Artificial Intelligence, University of Technology Sydney, Ultimo, NSW, Australia)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 5481-5490  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： ほとんどの人の再同定(reID)アプローチは,人手で注釈されたデータを必要とする教師つき学習に基づいている。しかしながら,それはアイデンティティアノテーションを獲得するために資源集約的であるだけでなく,大規模データに対しても実用的でない。この問題を軽減するために,教師なしのスタイル転送画像を用いて,畳込みニューラルネットワーク(CNN)を最適化し,個人の再IDに対する個々のサンプル間の関係を最適化するクロスカメラ教師なし手法を提案した。著者らのアルゴリズムは,再IDタスクにおける2つの基本的事実,すなわち,多様なカメラにわたる分散と同じアイデンティティ内の類似性を考慮する。本論文では,カメラ分散を克服し,交差カメラ類似性探索を達成する反復フレームワークを提案した。具体的には,異なるカメラスタイルを持つスタイル移動訓練画像を生成するために,教師なしスタイル転送モデルを適用した。次に,元のデータとスタイル転送データの両方から同じアイデンティティ内の類似性を反復的に利用した。著者らは,異なるクラスとして各訓練画像を考慮することにより開始し,畳込みニューラルネットワーク(CNN)モデルを初期化した。次に,類似性と徐々に類似したサンプルを1つのクラスに測定して,それは各々の同一性の中で類似性を増加させた。また,クラスタ分布をバランスさせるために,クラスタリングにおける多様性正則化項を導入した。実験結果は,著者らのアルゴリズムが最先端の教師なしの再IDアプローチより優れているだけでなく,他の競合する教師なしドメイン適応法(UDA)と半教師つき学習法と比較して有利に機能することを実証した。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： アルゴリズム ,  *カメラ ,  最適化 ,  クラスタ化 ,  教師つき学習 ,  クラスタ ,  正則化 ,  類似性 ,  アノテーション
準シソーラス用語： アイデンティティ ,  半教師つき学習 ,  大規模データ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 交差 ,  類似性 ,  探索 ,  教師 ,  人物 ,  同定