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。
固定監視カメラによって収集したデータセットによって行われた既存の車両再同定(ReID)タスクと比較して,無人航空機(UAV)のための車両ReIDはまだ未開発であり,より挑戦的である。同じ色とタイプを有する車両はUAVの展望から非常に類似した外観を示し,微細粒特性マイニングが必要である。最近の研究は,地域特性と成分特徴によって識別情報を抽出する傾向がある。前者は,整列する入力画像を必要とし,後者は,UAVアプリケーションに合致するのが難しい詳細な注釈を必要とする。効率的な細粒特徴を抽出し,退屈な注釈作業を避けるために,このレターは3つの分岐から成る教師なし自己整合ネットワークを開発した。ネットワークは,自己アラインメントモジュールを導入し,空間特徴で設計した三重損失関数の制約の下で実行される均一配向に可変方向を持つ入力画像を変換する。これに基づき,垂直および水平セグメンテーション法によって得た空間特徴,および大域的特徴を組込み空間における表現能力を改善するために統合した。UAV-VeIDデータセット上で広範な実験を行い,著者らの方法は最近のReID研究と比較して最良の性能を達成した。【JST・京大機械翻訳】