文脈相互ブースティングによるロバストな人物再同定【JST・京大機械翻訳】

Wang Zhikang; He Lihuo; Gao Xinbo; Shen Jane

プレプリント

J-GLOBAL ID：202202200176475076 整理番号：22P0191325

文脈相互ブースティングによるロバストな人物再同定【JST・京大機械翻訳】

Robust Person Re-Identification through Contextual Mutual Boosting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年09月16日プレプリントサーバーでの情報更新日： 2020年09月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Person Re-Identification(Re-ID)は,深い学習の開発によって駆動される大きな進歩を目撃した。しかし,現代人Re-IDは,実際には一般的である背景クラッタ,オクルージョンおよび大きな姿勢変動によってまだ挑戦されている。以前の方法は,外部手がかり(例えば,姿勢推定,人間構文解析)または注意機構を通して歩行者を局所化することによって,これらの課題に取り組み,高い計算コストと増加したモデル複雑性に悩まされる。本論文では,文脈的相互ブースティングネットワーク(CMBN)を提案した。それは,文脈情報と統計的推論を効果的に利用することによって,歩行者とリカリブレート特徴を局所化する。最初に,著者らは,前景と背景特徴をそれぞれ学習するために,共有畳込みフロントエンドを有する2つの分岐を構築した。これら2つの分岐間の相互作用を可能にすることにより,それらは空間局在化の精度を相互に高めた。第2に,統計的展望から始めて,著者らは,静的チャネルマスクを表現に生成するための変換行列の活性化分布を利用するMask Generatorを提案する。マスクは,貴重な特性を増幅して,ノイズを減らすために,特徴を再現した。最後に,2つのブランチを共同かつ独立に最適化するための文脈的デタッチメント戦略を提案し,さらに,位置決め精度を高めた。ベンチマークに関する実験は,最先端技術と比較してアーキテクチャの優位性を実証した。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , , ,

前のページに戻る