文献

J-GLOBAL ID：202202219917372898   整理番号：22A0797984

パートナー学習:車両再同定のための包括的な知識移転【JST・京大機械翻訳】

Partner learning: A comprehensive knowledge transfer for vehicle re-identification

著者 (5件)： Qian Wen (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Qian Wen (University of Chinese Academy of Sciences, Beijing, China) ,  He Zhiqun (SenseTime Group Limited, Beijing, China) ,  Chen Chen (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Peng Silong (University of Chinese Academy of Sciences, Beijing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 480  ページ： 89-98  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多様な視点,照明,および類似の外観に起因するクラス内変動性とクラス間類似性課題は,再識別(Re-ID)において重要である。以前の車両Re-ID法は,追加モジュール,例えば検出モジュール,セグメンテーションモジュール,または注意モジュールの使用以来,推論の間の余分な計算と時間を費やす問題を軽減するために,より多くの識別と細粒の手がかりをマイニングすることを提案する。推論中に追加の時間と計算コストなしに識別と細粒情報をマイニングするための多分岐アーキテクチャを提案した。特に,3つの問題に焦点を当てた。1)多枝間の知識移転;2)知識が,より効果的かつより機能的な移動のために利用されるべきである;3)マルチブランチの入力として使用することができる。最初の問題のために,著者らは,グローバルと局所的ブランチの間の知識を転送するパートナー学習という新しい相補的学習方式を導入し,このように,推論の間のグローバルブランチだけを必要とした。第2の課題では,階層的構造知識移転(HSKT)アプローチを提案し,階層的に3つの異なるレベルでパートナーから知識をマイニングする。最後の問題のために,より細粒の手がかりを効果的に採掘するために,著者らは,2つのローカル仕様を提案した: 1つは,エキスパート知識として識別的に重要なウィンドウエリアの仕様で,一方,水平ストライプカットで他の教師なしは,識別的に重要である。広範なアブレーション研究と実験結果の議論は,提案した方法の有効性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  *学習 ,  自動車 ,  情報 ,  セグメンテーション ,  分類 ,  ニューラルネットワーク ,  *知識 ,  *テクノロジートランスファ ,  問題 ,  有効性 ,  推論 ,  アブレーション ,  計算機アーキテクチャ
準シソーラス用語： *知識移転 ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 自動車Re-ID ,  パートナー学習 ,  知識移転 ,  ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： パートナー ,  学習 ,  同定 ,  知識移転