文献

J-GLOBAL ID：202002265758267249   整理番号：20A0814996

人物再同定のための複数特徴部分空間ベースのマルチタスク学習【JST・京大機械翻訳】

Multiple Feature Subspaces Based Multi-Task Learning for Person Re-Identification

著者 (5件)： Li Tao (Lianyungang JARI Electronics Co., Ltd of CSIC,Lianyungang,China) ,  Li Jie (Lianyungang JARI Electronics Co., Ltd of CSIC,Lianyungang,China) ,  Zhang Yuejie (Lianyungang JARI Electronics Co., Ltd of CSIC,Lianyungang,China) ,  Xiang Junping (Lianyungang JARI Electronics Co., Ltd of CSIC,Lianyungang,China) ,  xu Dalin (Jiangsu Automation Research Institute,Lianyungang,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CAC  ページ： 1513-1518  発行年： 2019年 
JST資料番号： W2441A  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： 人物再同定(Re-ID)は,複数カメラを通して同一の同一性を持つ人を検索する目的で重要なタスクである。マルチタスク学習(MTL)は,機械学習における有用な学習パラダイムであり,その目的は,すべてのタスクの一般化性能を改善するために,複数の関連タスクに含まれる有用な情報を活用することである。したがって,マルチタスク学習は,モデルの性能を改善するための有効な方法である可能性がある。マルチタスク学習を用いた人のRe-IDにおける既存の研究は,しばしば追加情報の使用または複雑な複数タスクの設計を必要とする。本論文は,多重特徴部分空間に基づく,Person Re-IDのための新しい簡単なマルチタスク学習法を提示した。この方法のアイデアは,マルチタスク学習におけるタスクとして各特徴部分空間の訓練を考慮することであり,複数の特徴部分空間を共同的に訓練することにより性能を改善することができる。この方法は,特徴部分空間が容易に得られるので,他の方法と比較して単純で効果的である。実験は,提案した方法が,人Re-IDの性能を著しく改善できることを示した。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： 多重化 ,  カメラ ,  *学習 ,  機械学習
準シソーラス用語： 特徴点 ,  *マルチタスク学習 ,  *部分空間 , 【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 (4件)： 人物 ,  同定 ,  特徴部分 ,  マルチタスク学習