文献

J-GLOBAL ID：202202233032355726   整理番号：22A0924304

JAC-Net:教師なし領域適応人物再同定のための適応探索と簡潔な注意による共同学習【JST・京大機械翻訳】

JAC-Net: Joint learning with adaptive exploration and concise attention for unsupervised domain adaptive person re-identification

著者 (4件)： Guo Yingchun (School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401, China) ,  Feng Fang (School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401, China) ,  Hao Xiaoke (School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401, China) ,  Chen Xi (School of Safety Science and Engineering, Civil Aviation University of China, Tianjin 300399, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 483  ページ： 262-274  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： 人再識別(re-ID)の既存の教師なしドメイン適応(UDA)法は,しばしばクラスタリングを用いて擬似ラベルを生成し,最適化する。しかし,この方法で生成された擬似ラベルは雑音を含み,反復過程中に徐々に増幅され,教師つき方法よりも認識精度が低くなる。本論文では,ラベルなしターゲットドメインにおける人再IDを最適化するために,2つの同一ネットワークを用いた適応探索とConcise Analysis Network(JAC-Net)による共同学習を提案した。クラスタ化によって発生する擬似ラベルに基づいて,JAC-Netは,簡潔な注意モジュール(CAM)と共同学習ネットワーク(JLN)を結合することによって,訓練ネットワークを最適化した。教師-スチューデントネットワークに触発されて,JLNはネットワーク学習のための知識を共有するために2つの同一ネットワークを使用して,また,2つの同一ネットワークに自動的に重みを割り当てて,2つのネットワークから知識の影響のバランスをとるために適応探査学習戦略を適用する。パラメータフリーの注意モジュールとして,CAMを,高次の意味特徴を変えることなく,ResNet50の特定の層で抽出した特徴マップに追加した。市場-1501,DukeMTMC-reIDおよびMSMT17データセットに関する広範な実験は,JAC-Netが良好な性能を達成し,教師つき学習の類似レベルに達することを示した。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： 最適化 ,  雑音 ,  性能 ,  *学習 ,  ネットワーク ,  ラベル ,  クラスタ化 ,  教師つき学習
準シソーラス用語： *協調学習 ,  認識精度 ,  特徴マップ ,  学習戦略 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人物の再同定 ,  ドメイン適応 ,  共同学習 ,  適応探査 ,  簡潔な注意

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 教師 ,  適応 ,  人物 ,  同定 ,  探索 ,  注意 ,  共同学習