弱教師付き高密度群衆計数のための局所特徴表現の強化【JST・京大機械翻訳】

Chen Xiaoshuang; Lu Hongtao

プレプリント

J-GLOBAL ID：202202218348511807 整理番号：22P0293293

弱教師付き高密度群衆計数のための局所特徴表現の強化【JST・京大機械翻訳】

Reinforcing Local Feature Representation for Weakly-Supervised Dense Crowd Counting

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 (2件)： ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月22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)

完全に監督された群衆計数は,大量のアノテーションのため,困難なタスクである。訓練のために大域的群衆数だけが利用できる,毎週監督された群衆計数に焦点を当てた研究はほとんどない。毎週監督された群衆計数の主な課題は,局所監視情報の欠如である。この問題に取り組むため,自己適応特徴類似性学習(SFSL)ネットワークと局所特徴表現を補強するための大域的局所一貫性(GLC)損失を提案した。人の不偏特徴推定を表す特徴ベクトルを導入した。ネットワークは特徴ベクトルを自己適応的に更新し,群衆数の回帰のために特徴類似性を利用する。さらに,提案したGLC損失は,グローバルおよびローカル領域からのネットワーク推定間の一貫性を活用した。実験結果は,異なるバックボーンに基づく著者らの提案した方法が,弱く監督されたおよび完全に監督された高密度群衆計数の間のギャップを狭めることを示した。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般

, , , , ,

前のページに戻る