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。
オブジェクト再識別(re-id)は,最も広く研究されているアプリケーションとして,人物と車両を再支援して,時間またはカメラビューを横断して特定のオブジェクトを同定することを目的とする。Re-idは,視点,(ヒト)姿勢,およびオクルージョンにおける変化のため,挑戦的である。同じオブジェクトのマルチショットは多様な視点/姿勢をカバーでき,より包括的な情報を提供する。本論文では,各個々の画像の特徴学習を導くために,同一アイデンティティのマルチショットの利用を提案した。特に,著者らは,不確実性意識マルチショット教師(UMTS)ネットワークを設計した。それは,同じオブジェクトの多重画像から包括的特徴を学習する教師ネットワーク(Tネット)と入力として単一画像を取る学生ネットワーク(Sネット)から成る。特に,TネットからSネットへの知識を効果的に転送するために,データ依存異種分散不確実性を考慮した。知る限りでは,著者らは,単一画像ベース再idを効果的にブースティングするために,教師-スチューデント学習方式におけるオブジェクトのマルチショットの利用を初めて行った。このアプローチの有効性を,一般的な車両再データおよび人物再データデータセットに対して検証した。推論において,Sネット単独では,ベースラインよりも著しく優れ,最先端の性能を達成した。【JST・京大機械翻訳】