文献

J-GLOBAL ID：202202223173153519   整理番号：22A0805326

三重減衰特徴集約によるクロスモダリティ人物再識別【JST・京大機械翻訳】

Cross-modality person re-identication with triple-attentive feature aggregation

著者 (4件)： Huang Pan (College of Automation and Artificial Intelligence, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Zhu Songhao (College of Automation and Artificial Intelligence, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Wang Dongsheng (College of Automation and Artificial Intelligence, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Liang Zhiwei (College of Automation and Artificial Intelligence, Nanjing University of Posts and Telecommunications, Nanjing, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 3  ページ： 4455-4473  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 可視(RGB)モダリティと赤外線(IR)モダリティ間の交差モード人再同定は,夜間監視応用にとって極めて重要である。異なるカメラスペクトルに起因するクロスモーダル差に加えて,RGB-IR人再同定は,異なるカメラビューと人物姿勢によって引き起こされる大きな交差モードとモード内変動によっても影響を受ける。一方,既存のVI-ReID研究は,雑音の多い画像に対して限られた識別力および弱いロバスト性で大域的表現を学習する傾向がある。本論文では,VI-ReIDのイントラモーダル階層的およびクロスモーダルグラフレベル文脈手がかりをマイニングすることにより,新しい3注意集約(TAANet)学習法を提案した。マイニングチャネルと局所特徴関係によって識別された局所凝集特徴を抽出する,モード内ハイブリッド重み注意モジュールを提案した。雑音の多いサンプルに対するロバスト性を高めるために,サンプルに最も近い異なるクラス間の距離を考慮した中心損失と組み合わせた改良3重損失を導入し,クラス間の一定の距離を維持し,特徴の識別を改善した。広範な実験は,TAANetが様々な設定において最先端の方法より優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  凝集 ,  雑音 ,  赤外線 ,  学習 ,  スペクトル ,  人間 ,  *モード ,  *知識表現 ,  チャネル ,  ロバスト性
準シソーラス用語： *モダリティ ,  局所特徴 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人物の再同定 ,  局所特徴 ,  ハイブリッド重み付き注意 ,  2ストリームネットワーク

分類 (2件)： 応用心理学  (AE02000A) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 三重 ,  減衰 ,  集約 ,  モダリティ ,  人物 ,  識別