環のLord:高速で正確な車両再同定のためのハノイプールと自己知識蒸留【JST・京大機械翻訳】

Martinel Niki; Dunnhofer Matteo; Pucci Rita; Foresti Gian Luca; Micheloni Christian

文献

J-GLOBAL ID：202102238716953167 整理番号：21A3136320

環のLord:高速で正確な車両再同定のためのハノイプールと自己知識蒸留【JST・京大機械翻訳】

Lord of the Rings: Hanoi Pooling and Self-Knowledge Distillation for Fast and Accurate Vehicle Reidentification

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A3136320&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A3136320&from=J-GLOBAL&jstjournalNo=W1434A") }}

著者 (5件)： , , , ,
資料名：
巻： 18 号： 1 ページ： 87-96 発行年： 2022年
JST資料番号： W1434A ISSN： 1551-3203 CODEN： ITIICH 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)

車両再識別は,知的サーベイランスシステムおよびスマート輸送に対する基本的影響のおかげで,関心が増している。監視カメラネットワークから取得した視覚データは,オクルージョン,カラーおよび照明変化,ならびに方位問題(異なるカメラ視点による側面/正面/リールから見ることができる)を含む厳しい課題を有する。このような課題に対処するために,コミュニティは,付加的な視覚属性と部分駆動法にヒンジするロバストな特徴表現を学習するのに多くの努力を費やしているが,しかし,大規模な人間アノテーション労働と計算の複雑さの増加を必要とする副作用がある。本論文では,余分なラベル付きデータを必要とせず,無視できる計算オーバヘッドを追加することなく,車両方向問題に対してロバストな特徴表現を学習するアプローチを提案した。前者の目的は,リング領域を利用するHanoiプール層の導入と,車両外観のマルチスケール表現を生成する画像ピラミッドアプローチを通して達成される。後者は,深いネットワークの精度を最初の層に移すことによって取り組まれ,試験例の早期停止による推論努力を低減する。これは,自己知識蒸留フレームワークによって得られ,マルチエキシトネットワーク決定を互いに一致させる。結果は,提案した方式が,深い(遅い)ベースラインの同じ精度を維持しながら,初期(即ち,非常に速い)出口の精度を著しく改善することを示した。さらに,著者らの解法は,3つのベンチマークデータセットに関して最良の既存の性能を得た。11[Online]。利用可能な:https://github.com/iN1k1/。Copyright 2021 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】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

計算機網 , 通信網

, , , ,

前のページに戻る