文献

J-GLOBAL ID：202202264768631083   整理番号：22A0942014

人物再同定のための深い注意を意識した特徴学習【JST・京大機械翻訳】

Deep attention aware feature learning for person re-Identification

著者 (6件)： Chen Yifan (Tsinghua University, Beijing, China) ,  Wang Han (Tsinghua University, Beijing, China) ,  Sun Xiaolu (Addx Technology, Beijing, China) ,  Fan Bin (School of Automation and Electrical Engineering, University of Science and Technology Beijing, China) ,  Tang Chu (Addx Technology, Beijing, China) ,  Zeng Hui (School of Automation and Electrical Engineering, University of Science and Technology Beijing, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 126  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 視覚的注意は,人再識別の性能の改善に有効であることが証明されている。ほとんどの既存の方法は,人間の再識別のための特徴マップを再重みづけするために,付加的注意マップを学習することによって,視覚的注意を適用するが,しかし,この種の方法は,必然的に,モデル複雑性と推論時間を増やした。本論文では,元の構造を変えずに,人間ReIDネットワークにおける追加目的として注意マップを予測する能力を組み込むことを提案し,その結果,同じ推論時間とモデルサイズを維持した。2種類の注意マップが,学習された特徴マップを,それぞれ,人と関連身体部分に気づいているように考慮されてきた。グローバルに,全体的注意ブランチ(HAB)は,バックボーンによって得る特徴マップが,バックグラウンドの影響を緩和するために,人間に焦点を合わせることができるために提案した。局所に,部分注意分岐(PAB)は,抽出した特徴を,異なる身体部分に別々に責任があるいくつかのグループに分離できるように提案され,従って,姿勢変動と部分オクルージョンに対するロバスト性を増加させる。これらの2種類の注意は普遍的であり,既存のReIDネットワークに組み込むことができる。2つの典型的なネットワーク(TriNet[1]とTicks[2]のBag)に関するその性能をテストし,5つの広く使用されたデータセットに関して顕著な性能改善を観察した。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： バックグラウンド ,  *学習 ,  ネットワーク ,  身体部位 ,  人間 ,  重みづけ ,  *注意 ,  ロバスト性 ,  オクルージョン
準シソーラス用語： 視覚的注意 ,  複雑性 ,  特徴マップ ,  マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 人物の再同定 ,  注意学習 ,  マルチタスク学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 人物 ,  同定 ,  注意 ,  意識 ,  学習