文献

J-GLOBAL ID：202202215552537986   整理番号：22A0397096

グローバルコンテキスト支援構造を意識した車両検索【JST・京大機械翻訳】

Global Context Assisted Structure-Aware Vehicle Retrieval

著者 (7件)： Tian Yan (School of Computer and Information Engineering, Zhejiang Gongshang University, Hangzhou, China) ,  Chen Tao (Enjoyor Company Ltd., Hangzhou, China) ,  Cheng Guohua (Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence, Ministry of Education, Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University, Shanghai, China) ,  Yu Shihao (School of Computer and Information Engineering, Zhejiang Gongshang University, Hangzhou, China) ,  Li Xi (College of Computer Science and Technology, Zhejiang University, Hangzhou, China) ,  Li Jianyuan (Enjoyor Company Ltd., Hangzhou, China) ,  Yang Bailin (School of Computer and Information Engineering, Zhejiang Gongshang University, Hangzhou, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 1  ページ： 165-174  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車両検索において,車両パッチは,まず,無関係なバックグラウンド情報を除去するために局所化されるべきである。さらに,陰性サンプルは,陽性試料より非常に一般的であり,そして,陰性試料からの情報は,三重損失において十分に利用されなかった。これら2つの課題に取り組むために,大域的知識と構造情報を組み込む方法が必要である。したがって,意味情報と局所適合性を用いて予測結果を更新するために,ランドマークアラインメントのための局所グローバルコンテキストネットワークを導入し,検索において多重で多様な陰性サンプルを使用するための構造意識四重損失を提案した。車両IDとENJOYOR車両検索データセットに関する実験は,著者らのアプローチが車両検索における最先端の手法に匹敵する精度を得ることを実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  適応性 ,  多重化
準シソーラス用語： ランドマーク ,  局在化 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  都市交通  (TA01020W) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： グローバル ,  コンテキスト ,  支援 ,  意識 ,  検索