文献

J-GLOBAL ID：202202270547651874   整理番号：22A0563365

改良非類似性空間に基づく教師なし領域適応歩行者再同定【JST・京大機械翻訳】

Unsupervised domain adaptation pedestrian re-identification based on an improved dissimilarity space

著者 (6件)： Yang Xiaofeng (College of Information and Computer, Taiyuan University of Technology, Yuci 030600, China) ,  Yang Xiaofeng (College of Computer Engineering, Shanxi Vocational University of Engineering Science and Technology, Yuci 030600, China) ,  Wang Qianshan (College of Information and Computer, Taiyuan University of Technology, Yuci 030600, China) ,  Li Wenkuan (College of Information and Computer, Taiyuan University of Technology, Yuci 030600, China) ,  Zhou Zihao (College of Mathematics, Taiyuan University of Technology, Yuci 030600, China) ,  Li Haifang (College of Information and Computer, Taiyuan University of Technology, Yuci 030600, China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 118  ページ： Null  発行年： 2022年 
JST資料番号： A0611C  ISSN： 0262-8856  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： 歩行者再識別は,知的セキュリティ応用における重要かつ挑戦的な研究題目である。大規模な手動ラベリングの必要性のため,教師つき学習に基づく歩行者再識別法は,実際の応用において広く使用できない。したがって,教師なし歩行者再同定に関する研究は最新の話題になっている。ECCV2020で発表されたDMMDモデルは,教師なし歩行者再識別に非類似性空間を成功裡に適用した。DMMDの欠陥の解析に基づいて,新しい強いベースラインモデルを構成して,改良非類似性空間を構築して,新しい移動学習最適化法を提案し,時間-空間-外観制約を提案した。試験結果は,著者らのモデルのR1精度が,市場1501からDukeMTMCまでの実験において,DMMDと比較して21.4%改善されることを示した。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 ,  学習 ,  *歩行者 ,  精度 ,  認識 ,  教師つき学習 ,  基準線 ,  セキュリティ ,  機械学習
準シソーラス用語： 非類似性 ,  転移学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 転移学習 ,  クロスドメイン ,  歩行者の再同定 ,  最大平均不一致 ,  非類似性空間

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 (5件)： 非類似性 ,  教師 ,  適応 ,  歩行者 ,  同定