文献

J-GLOBAL ID：202002279555327697   整理番号：20A1241384

深部畳込みニューラルネットワークに基づく歩行者再同定監視システム【JST・京大機械翻訳】

Pedestrian Re-Identification Monitoring System Based on Deep Convolutional Neural Network

著者 (5件)： Qu Wenzheng (Department of Information Science, Xinhua College of Sun Yat-sen University, Guangzhou, China) ,  Xu Zhiming (Department of Information Science, Xinhua College of Sun Yat-sen University, Guangzhou, China) ,  Luo Bei (Department of Information Science, Xinhua College of Sun Yat-sen University, Guangzhou, China) ,  Feng Haihua (Department of Information Science, Xinhua College of Sun Yat-sen University, Guangzhou, China) ,  Wan Zhiping (Department of Information Science, Xinhua College of Sun Yat-sen University, Guangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 86162-86170  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 大規模分散カメラネットワークの段階的確立と「インターネット+」の急速な開発は,大量ビデオ監視システムの最近の普及をもたらした。歩行者はビデオ監視システムにおける重要な監視ターゲットであるので,多くの研究はカメラを横切る歩行者再同定監視アルゴリズムに焦点を合わせている。現在,歩行者再同定モデルは,異なるタイプの訓練サンプル間の膨大な量差によるネットワークモデルの訓練の困難さに直面しているだけでなく,モデル同定精度に及ぼす視覚性能における大きな差の影響を低減する必要がある。これらの困難を解決するために,本論文は,深い学習モデルを提案して,歩行者再同定のために深い畳込みニューラルネットワークに基づくシステムを設計した。特に,二つの入力画像間の局所的関係を導出するために,システム入力近傍間の差を決定し,照明と視点の影響を低減した。さらに,著者らは,モデルの実際の応用可能性を強化するために,歩行者再同定プロセスにおけるサンプル不均衡の現象を解明するために,焦点損失を使用した。提案した方法を,歩行者再同定のために開発したエンドツーエンド監視システムに実装した。システム設計フレームワークのハードウェア構成要素は,ディジタル行列,ストリーミングメディアストレージサーバ,およびネットワーク高速ドームで構成され,将来の追加タスクに拡張する能力を持つ。著者らのアプローチは,データ不均衡と視覚性能差の効果を減少させ,以前のIDLAに対する有意な改善だけでなく,他の既存のアプローチよりも優れている大規模データセット(CUHK03)上のランク1と99.5%に対して76.0%のスコアを持つ。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 ,  視覚 ,  学習モデル ,  システム設計 ,  *ネットワーク ,  *歩行者 ,  *監視装置 ,  録画装置 ,  エンドツーエンド方式 ,  ハードウェア ,  インターネット
準シソーラス用語： 不均衡 ,  ネットワークモデル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深部 ,  畳込みニューラルネットワーク ,  歩行者 ,  同定 ,  監視システム