文献

J-GLOBAL ID：202202265807260961   整理番号：22A0328053

AAGCN:人物再同定のための隣接意識グラフ畳込みネットワーク【JST・京大機械翻訳】

AAGCN: Adjacency-aware Graph Convolutional Network for person re-identification

著者 (5件)： Pan Honghu (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  Bai Yang (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  He Zhenyu (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  He Zhenyu (Peng Cheng Laboratory, Shenzhen 518055, China) ,  Zhang Chunkai (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 236  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： ピアソン再識別(ReID)はコンピュータビジョンの重要な話題である。この分野における既存の研究は,主として歩行者画像を特徴空間に写像する特徴抽出器を学習することに焦点を当て,その中で,同じ同一性に対応する特徴ベクトルは互いに近い。本論文では,クラス内特徴を平滑化し,クラス内分散を低減するため,隣接意識グラフ畳込みネットワーク(AAGCN)を提案した。特に,このAAGCNは,入力ノードとしてバックボーンによって学習された特徴を取る。最初に,クラス内特徴のための接続または隣接関係を確立し,次に,隣接ノード(すなわち,クラス内特徴)を,グラフ畳込みネットワーク(GCN)の低域フィルタリングの特性により平滑化する。本論文では,クラス内特徴に対する隣接関係の学習のために,Mahalanobis Netwood Adjacency(MNA)および非Lipor Mapping(NLM)の2つの手法を提案した。MNAは,それらの対応する特徴間のMahalanobis距離の負の指数として2つのノード間の隣接重みを定義し,従って,クラス間の特徴間の小さなMahalanobis距離とクラス間の大きなMahalanobis距離を学習することを目的とする。NLMはノードの特徴から対応する隣接重みへの非線形写像を可能にする。可視ReIDと可視赤外ReIDの両方に関する実験結果は,著者らの方法の有効性を検証し,例えば,著者らのモデルは,市場1501に関して95.7%のランク-1と93.1%のmAP,ならびにSYSUに関して58.6%のランク-1と60.0%のmAPを達成した。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： 写像 ,  赤外線 ,  *畳込み ,  *ネットワーク ,  分類 ,  歩行者 ,  低域フィルタ ,  特徴抽出 ,  画像 ,  平滑化 ,  空間 ,  モデル ,  コンピュータビジョン
準シソーラス用語： 特徴ベクトル ,  Mahalanobis距離 ,  特徴空間 , 【Automatic Indexing@JST】

著者キーワード (3件)： 人物の再同定 ,  グラフ畳込みネットワーク ,  Mahalanobis距離

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 人物 ,  同定 ,  意識 ,  グラフ ,  畳込み