抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】