文献

J-GLOBAL ID：202102289354727042   整理番号：21A0271982

人物再同定のための円ベース比損失【JST・京大機械翻訳】

Circle-Based Ratio Loss for Person Reidentification

著者 (10件)： Yang Zhao (School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, China) ,  Yang Zhao (Huangpu Research & Graduate School of Guangzhou University, Guangzhou, China) ,  Liu Jiehao (School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, China) ,  Liu Jiehao (Huangpu Research & Graduate School of Guangzhou University, Guangzhou, China) ,  Liu Tie (School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, China) ,  Liu Tie (Huangpu Research & Graduate School of Guangzhou University, Guangzhou, China) ,  Wang Li (School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, China) ,  Wang Li (Huangpu Research & Graduate School of Guangzhou University, Guangzhou, China) ,  Zhao Sai (School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, China) ,  Zhao Sai (Huangpu Research & Graduate School of Guangzhou University, Guangzhou, China)
資料名： Complexity  (Complexity)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W2044A  ISSN： 1076-2787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ピアソン再識別(re-id)は,非交差監視カメラビューから特定の歩行者を認識することを目的とする。深い学習モデルから抽出される歩行者特徴の類似性を比較することによって,ほとんどの再id法は検索タスクを実行する。したがって,識別特徴の学習は,人物の再識別にとって重要である。多くの研究は,特徴の弁別性を得るために,1つ以上の損失関数でモデル学習を監督する。ソフトマックス損失は,再idで広く使われている損失関数の一つである。しかし,従来のソフトマックス損失は本質的に特徴分離性に焦点を合わせ,クラス内特徴のコンパクト性を考慮しない。再idの精度をさらに改善するために,クラス間の不一致とクラス間の類似性を縮小するために多くの努力が行われる。本論文では,人再識別のための円ベース比損失を提案した。具体的には,学習された特徴と分類重みを正規化し,超球面におけるこれらのベクトルを写像する。次に,目的損失として最大クラス内距離と最小クラス間距離の比率を取り上げ,クラス間分離性とクラス内コンパクト性を訓練段階で同時に最適化できる。最後に,改良ソフトマックス損失と比率損失の共同訓練によって,深いモデルは,識別的歩行者情報を採掘して,再idタスクのためにロバスト特徴を学ぶことができた。提案手法の有効性を説明するために,3つの再データベンチマークデータセットに関する包括的な実験を行った。特に,市場-1501の83.12%mAP,DukeMTMC-reIDの71.70%mAP,およびCUHK03標識/検出の66.26%/63.24%mAPを達成した。Copyright 2020 Zhao Yang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  ベクトル ,  学習モデル ,  損失関数 ,  *歩行者 ,  球面 ,  コンパクト性 ,  類似性 ,  有効性 ,  正規化 ,  ロバスト性
準シソーラス用語： モデル学習 ,  共同訓練 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

引用文献 (47件)：

• I. Kviatkovsky, A. Adam, E. Rivlin, "Color invariants for person reidentification," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, no. 7, pp. 1622-1634, 2013.
• W. Li, X. Wang, "Locally aligned feature transforms across views," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 3594-3601, New York, OR, USA, June 2013.
• M. Köstinger, M. Hirzer, P. Wohlhart, P. M. Roth, H. Bischof, "Large scale metric learning from equivalence constraints," Proceedings of the IEEE Conference On Computer Vision And Pattern Recognition, pp. 2288-2295, Providence, RI, USA, June 2012.
• S. Liao, Y. Hu, X. Zhu, S. Z. Li, "Person re-identification by local maximal occurrence representation and metric learning," Proceedings of the IEEE Conference On Computer Vision And Pattern Recognition, pp. 2197-2206, Boston, MA, USA, June 2015.
• J. Deng, J. Guo, N. Xue, S. Zafeiriou, "ArcFace: additive angular margin loss for deep face recognition," Proceedings of the IEEE Conference On Computer Vision And Pattern Recognition, pp. 4685-4694, Long Beach, CA, USA, July 2019.

タイトルに関連する用語 (4件)： 人物 ,  同定 ,  円 ,  損失