文献

J-GLOBAL ID：202202266049768036   整理番号：22A1084195

アノテーションフリー車両再同定のための効率的な仮想データ探索【JST・京大機械翻訳】

Efficient virtual data search for annotation-free vehicle reidentification

著者 (6件)： Wan Zhijing (School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan, China) ,  Xu Xin (School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan, China) ,  Wang Zheng (School of Computer Science, Wuhan University, Wuhan, China) ,  Yamasaki Toshihiko (Department of Information and Communication Engineering and Research Institute for an Inclusive Society through Engineering, The University of Tokyo, Tokyo, Japan) ,  Zhang Xiaolong (School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan, China) ,  Hu Ruimin (School of Computer Science, Wuhan University, Wuhan, China)
資料名： International Journal of Intelligent Systems  (International Journal of Intelligent Systems)
巻： 37  号： 5  ページ： 2988-3005  発行年： 2022年 
JST資料番号： T0454A  ISSN： 0884-8173  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車両再識別(re-ID)は,非重複カメラを横断する同じ車両を検索するタスクであり,豊富な手動注釈付き実画像の助けにより大きな進歩を遂げた。実画像の時間消費と退屈なラベリングを避けるために,大規模合成画像による仮想データセットを,最近,注釈フリーモデル訓練を実行するために構築した。しかしながら,現在の方法は,仮想データ検索のポテンシャルを活用できず,すなわち,効率的な訓練のための貴重な代表的仮想サブデータ集合の探索である。本論文は,有効なデータ検索を実行するために,意味と特徴レベルの両方から新しいデータサンプリング戦略を提示する。意味レベルは,ソースドメインとターゲットドメインのための属性分布の一貫性制約を通して,各車両同一性のサンプル数を決定する。一方,特徴レベルは,各車両アイデンティティの貴重で代表的なサンプルを検索する。知る限りでは,注釈フリー車両再IDを実行するための効果的な仮想データを探索する最初の試みである。仮想車両再IDデータセットから実際の車両再IDデータセットへの広範な交差ドメイン実験は,著者らのデータサンプリング戦略が訓練データ量を著しく低減でき,再ID性能を向上できることを示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  データ検索 ,  画像 ,  *データ探索 ,  画像検索 ,  *アノテーション
準シソーラス用語： 訓練データ ,  アイデンティティ , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  画像検索 ,  自動車再同定 ,  仮想データ探索

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： アノテーション ,  同定 ,  仮想 ,  データ探索