文献

J-GLOBAL ID：202202234241560125   整理番号：22A0578713

OMNet:歩行者再同定のためのオブジェクト知覚多分岐ネットワーク【JST・京大機械翻訳】

OMNet: Object- Perception Multi-Branch Network for Pedestrian Re-Identification

著者 (4件)： Hong Feng (School of Computer and Information, Hefei University of Technology, China) ,  Lu Chang-hua (School of Computer and Information, Hefei University of Technology, China) ,  Tao Wang (School of Computer and Information, Hefei University of Technology, China) ,  Jiang Weiwei (School of Computer and Information, Hefei University of Technology, China)
資料名： Big Data Research  (Big Data Research)
巻： 27  ページ： Null  発行年： 2022年 
JST資料番号： W3530A  ISSN： 2214-5796  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： 本論文では,歩行者認識のタスクを実行するための空間大域的注意機構の多分岐モデルを提案した。以前の歩行者再認識の主な研究方向は検出認識であり,オブジェクト間の外見情報とオブジェクトのターゲットを確かめるだけである。本論文は,認識オブジェクトの空間情報を用いて,マルチブランチモデル結果を提案して,グローバル空間注意機構に基づくマルチブランチネットワークを提案して,主ブランチと補助ブランチの間の空間的関係を通して歩行者認識のための対象物接続を確立した。もう一つの分岐は,注意機構を通して歩行者の長期的関連に焦点を合わせ,歩行者のキーポイントの間の接続を確立して,キーポイントの間のMahalanobis距離を最適化した。本論文で提案した方法は,いくつかの歩行者再識別データベースにおける先行ネットワーク性能と比較して,精度と速度を改善した。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 ,  知覚 ,  データベース ,  *ネットワーク ,  *歩行者 ,  精度 ,  認識 ,  物体認識 ,  再認 ,  注意
準シソーラス用語： 空間情報 ,  Mahalanobis距離 ,  ネットワーク性能 ,  歩行者認識 , 【Automatic Indexing@JST】

著者キーワード (3件)： 多分岐ネットワーク ,  再同定 ,  注意機構

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 歩行者 ,  同定 ,  オブジェクト ,  知覚