文献

J-GLOBAL ID：202102254732313194   整理番号：21A0070077

可変照明における人物再識別のための多粒度および多意味論モデル【JST・京大機械翻訳】

Multi-granularity and Multi-semantic Model for Person Re-identification in Variable Illumination

著者 (2件)： Zhao Xuan (Wuhan University of Science and Technology,School of Computer Science and Technology,Wuhan,China) ,  Xu Xin (Wuhan University of Science and Technology,School of Computer Science and Technology,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 3154-3161  発行年： 2020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： 深層ニューラルネットワークによるピアソン再識別(Re-ID)は,最近大きな改善を遂げた。既存の人物Re-ID法は,視点,オクルージョン,解像度などでよく機能できるが,照明条件を変えてはロバスト性が短い。可変照明は,色,コントラスト,およびSNR(信号雑音比)の不整合をもたらし,それは,正しい人を同定する多くの困難を引き起こすだろう。本論文は,照明変動の影響を最小にして,特徴抽出を最適化するために,画像強調方式と結合したマルチ粒状性とマルチセマンチックRe-IDモデルを提示する。Retinexベースの画像強調法を用いて,可変照明をバランスさせ,画像の輪郭情報を強化した。さらに,強力な特徴表現を抽出するために,ネットワーク中にマルチ粒状性とマルチセマンチック層を追加した。提案モデルを,市場-1501,DukeMTMC-reIDおよびCUHK03データセットで評価した。大規模な実験は,新しい深層ニューラルネットワークモデルが強化画像からより多くのロバスト性特性を抽出することができて,照明条件を変えることの下で著者らの方法の有効性を証明した。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】

シソーラス用語： SN比 ,  コントラスト ,  最適化 ,  *意味論 ,  ネットワーク ,  照明 ,  照明条件 ,  特徴抽出 ,  粒状性 ,  不整合 ,  画像強調 ,  ロバスト性 ,  オクルージョン
準シソーラス用語： 照明変化 ,  ディープニューラルネットワーク , 【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 (7件)： 可変 ,  照明 ,  人物 ,  識別 ,  粒度 ,  意味論 ,  モデル