文献

J-GLOBAL ID：202002288231781343   整理番号：20A2636201

DeepPFCN:人物再同定のための深層並列特徴コンセンサスネットワーク【JST・京大機械翻訳】

DeepPFCN: Deep Parallel Feature Consensus Network for Person Re-identification

著者 (3件)： Singh Shubham Kumar (Indian Institute of Technology Gandhinagar, Palaj, Gujarat, India) ,  Miyapuram Krishna P. (Indian Institute of Technology Gandhinagar, Palaj, Gujarat, India) ,  Raman Shanmuganathan (Indian Institute of Technology Gandhinagar, Palaj, Gujarat, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1249  ページ： 397-407  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ピアソン再同定は,異なる時間で複数の非重複カメラビュー上の同じ人の画像を結合することを目的とする。人間オペレータに依存して,大きなカメラネットワークにおける手動再同定は,非常に時間がかかり,誤りがある。大規模な分散マルチカメラシステムの急速なインフレーションによって生成された大量の視覚データのために,自動化された人再識別が必要とされる。最先端の研究は,複数の意味レベルで潜在識別因子に人物外観特徴を学習し,因数化する。畳み込みニューラルネットワークを用いて,マルチスケール人物外観特徴を学習する新しいネットワークアーキテクチャである深層並列特徴コンセンサスネットワーク(DeepPFCN)を提案した。このモデルは,複数の意味レベルで潜在的識別因子への人の視覚外観を因子化する。最後にコンセンサスを構築した。深層PFCNによって学習された特徴表現は,識別スケール特異的特徴を学習し,マルチスケール画像入力におけるマルチスケール特徴融合選択を最大化するので,人再識別タスクにとってよりロバストである。さらに,大域的および局所的に特徴を識別するため,個人特有のタスクに対する分離スケールでの平均および最大プールを利用した。3つのベンチマークデータセット,Market1501,DukeMTMCreID,およびCUHK03に関する最新の再同定法に対する提案DeepPFCNモデルの再識別利点を実証した。これらのベンチマークデータセットにおいて,それぞれ75.8%,64.3%および52.6%のmAP結果を得た。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  インフレーション ,  自動化 ,  オペレータ ,  深層 ,  ベンチマーク ,  計算機アーキテクチャ ,  ロバスト性 ,  ネットワークアーキテクチャ
準シソーラス用語： 画像入力 ,  マルチスケール ,  カメラネットワーク ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 人物の再同定 ,  深層学習 ,  アーキテクチャ

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 人物 ,  同定 ,  深層 ,  コンセンサス