文献

J-GLOBAL ID：202002278161761777   整理番号：20A0817522

内部Camera教師付き人物再同定:新しいベンチマーク【JST・京大機械翻訳】

Intra-Camera Supervised Person Re-Identification: A New Benchmark

著者 (5件)： Zhu Xiangping (Istituto Italiano di Tecnologia) ,  Zhu Xiatian (Vision Semantics Ltd.) ,  Li Minxian (Queen Mary University of London) ,  Murino Vittorio (Istituto Italiano di Tecnologia) ,  Gong Shaogang (Queen Mary University of London)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCVW  ページ： 1079-1087  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： 既存の人物再同定(reid)法は,多くのカメラ間アイデンティティラベル付き訓練データに依存し,面倒なデータ収集と注釈プロセスを必要とし,したがって,実用的なリッドアプリケーションにおけるスケーラビリティを低下させる。この基本的限界を克服するために,著者らは,カメラ間の同一性関連なしで人物再同定を考慮したが,個々のカメラビュー内で独立に注釈付けされたアイデンティティラベルのみを考慮した。これにより,アノテーション中に必要とされる人間の努力の量を大幅に削減するために,最も時間がかかり,面倒なカメラ間アイデンティティラベリングプロセスが不要になる。したがって,それはよりスケーラブルでより実行可能な学習シナリオを生み出し,それにより,著者らは,イントラCameraスーパーvised(ICS)人のリッドを呼ぶ。より弱いラベル監視によるこのICS設定の下で,著者らはマルチタスクマルチラベル(MTML)の深い学習法を定式化した。カメラ間の相関を与えないと,MTMLはカメラ間の同一性対応を自己発見するために特別に設計される。これは,共同マルチタスク推論フレームワークの下で,カメラ間マルチラベル学習によって達成される。さらに,MTMLは,各カメラビュー内の利用可能なアイデンティティラベルを完全に用いることにより,識別可能なリッド特徴表現を効率的に学習することもできる。広範な実験により,提案したカメラ内教師つき学習設定における三つの大規模な人のリッドデータセットに関する最先端の代替法に対するMTMLモデルの性能優位性を実証した。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： アノテーション ,  教師つき学習 ,  データ収集 ,  応用プログラム ,  学習 ,  カメラ ,  *ベンチマーク ,  定式化
準シソーラス用語： マルチタスク ,  アイデンティティ ,  訓練データ , 【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)： 教師 ,  人物 ,  同定 ,  ベンチマーク