論文の概要: FMT:Fusing Multi-task Convolutional Neural Network for Person Search
- arxiv url: http://arxiv.org/abs/2003.00406v1
- Date: Sun, 1 Mar 2020 05:20:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 13:03:22.771672
- Title: FMT:Fusing Multi-task Convolutional Neural Network for Person Search
- Title（参考訳）: fmt:マルチタスク畳み込みニューラルネットワークを用いた人物探索
- Authors: Sulan Zhai, Shunqiang Liu, Xiao Wang, Jin Tang
- Abstract要約: 本稿では,検出と再同定の相関性と不均一性に対処するために,FMT-CNN(Fusing Multi-task Convolutional Neural Network)を提案する。
CUHK-SYSU Person Searchデータセットの実験結果から,提案手法の性能は最先端の手法よりも優れていることが示された。
- 参考スコア（独自算出の注目度）: 33.91664470686695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person search is to detect all persons and identify the query persons from
detected persons in the image without proposals and bounding boxes, which is
different from person re-identification. In this paper, we propose a fusing
multi-task convolutional neural network(FMT-CNN) to tackle the correlation and
heterogeneity of detection and re-identification with a single convolutional
neural network. We focus on how the interplay of person detection and person
re-identification affects the overall performance. We employ person labels in
region proposal network to produce features for person re-identification and
person detection network, which can improve the accuracy of detection and
re-identification simultaneously. We also use a multiple loss to train our
re-identification network. Experiment results on CUHK-SYSU Person Search
dataset show that the performance of our proposed method is superior to
state-of-the-art approaches in both mAP and top-1.
- Abstract（参考訳）: 人物探索は、全ての人物を検知し、画像中の検出された人物を、人の再識別とは異なる提案や境界ボックスなしで識別することである。
本稿では,単一畳み込みニューラルネットワークによる検出と再同定の相関と不均一性に取り組むために,FMT-CNN(Fusing Multi-task Convolutional Neural Network)を提案する。
人検出と再識別の相互作用が全体のパフォーマンスにどのように影響するかに焦点をあてる。
地域提案ネットワークに人名ラベルを用いて人物識別と人物検出ネットワークの機能を作成し,同時に検出と再識別の精度を向上させる。
再識別ネットワークのトレーニングには、複数の損失も使用しています。
CUHK-SYSU Person Searchデータセットの実験結果から,提案手法の性能は,mAPおよびtop-1における最先端手法よりも優れていることが示された。
関連論文リスト
- Joint Neural Networks for One-shot Object Recognition and Detection [5.389851588398047]
本稿では,一発物体の認識と検出に難渋する課題に対処する,新しい結合ニューラルネットワーク手法を提案する。
Siameseのニューラルネットワークと最先端のマルチボックス検出アプローチにインスパイアされたジョイントニューラルネットワークは、トレーニングプロセス中に見つからないカテゴリのオブジェクト認識と検出を行うことができる。
提案手法は,MiniImageNetデータセット上での1ショットオブジェクト認識における61.41%の精度と,データセット上でトレーニングしてテストした場合の1ショットオブジェクト検出における47.1%のmAPを実現する。
論文 参考訳（メタデータ） (2024-08-01T16:48:03Z) - PSDiff: Diffusion Model for Person Search with Iterative and
Collaborative Refinement [59.6260680005195]
本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。
PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。
新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
論文 参考訳（メタデータ） (2023-09-20T08:16:39Z) - Sequential Transformer for End-to-End Person Search [4.920657401819193]
人物探索は、現実的かつ未収集のギャラリーイメージから対象人物を同時にローカライズし、認識することを目的としている。
本稿では,この課題に対処するエンド・ツー・エンドの人物探索のためのシークエンシャル・トランスフォーマー(SeqTR)を提案する。
我々のSeqTRは検出変換器と、検出タスクと再IDタスクを逐次処理する新しいre-ID変換器を備えている。
論文 参考訳（メタデータ） (2022-11-06T09:32:30Z) - Subtask-dominated Transfer Learning for Long-tail Person Search [12.311100923753449]
人物探索は、パノラマギャラリー画像から質問者を見つけるために、人物検出と人物再識別(Re-ID)を統一する。
1つの大きな課題は、不均衡なロングテールの個人識別分布である。
本稿では,この問題を解決するために,Subtask-dominated Transfer Learning (STL)法を提案する。
論文 参考訳（メタデータ） (2021-12-01T14:34:48Z) - Decoupled and Memory-Reinforced Networks: Towards Effective Feature
Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。
現在のワンステップアプローチには2つの大きな課題があります。
本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文 参考訳（メタデータ） (2021-02-22T06:19:45Z) - Robust Facial Landmark Detection by Cross-order Cross-semantic Deep
Network [58.843211405385205]
顔のランドマーク検出を堅牢にするためのセマンティックな特徴学習を促進するために,クロスオーダー・クロスセマンティック・ディープ・ネットワーク(CCDN)を提案する。
具体的には、より識別的な表現学習のためのクロスオーダーチャネル相関を導入するために、クロスオーダー2列マルチ励起(CTM)モジュールを提案する。
新しいクロス・オーダー・クロス・セマンティック・レギュレータ (COCS) は、顔のランドマーク検出のために異なるアクティベーションからクロス・オーダーのクロス・セマンティック特徴を学習するためにネットワークを駆動するように設計されている。
論文 参考訳（メタデータ） (2020-11-16T08:19:26Z) - An Improved Person Re-identification Method by light-weight
convolutional neural network [0.0]
人物の再識別は、低解像度、様々なポーズ、照明、背景のぼやけ、オクルージョンといった課題に直面している。
本稿では,トランスファーラーニングと検証損失関数の適用により,人物の再識別を改善することを目的とする。
実験により,提案モデルはCUHK01データセットの最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-08-21T12:34:15Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z) - FairMOT: On the Fairness of Detection and Re-Identification in Multiple
Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。
本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。
このアプローチは、検出と追跡の両方において高い精度を達成する。
論文 参考訳（メタデータ） (2020-04-04T08:18:00Z) - A Convolutional Baseline for Person Re-Identification Using Vision and
Language Descriptions [24.794592610444514]
現実世界の監視シナリオでは、クエリされた人に関する視覚的な情報は頻繁に提供されない。
クロスエントロピー損失によって制御される2つのストリームディープ畳み込みニューラルネットワークフレームワークを示す。
学習した視覚表現は、単一のモダリティシステムと比較して、より堅牢で、検索時に22%向上する。
論文 参考訳（メタデータ） (2020-02-20T10:12:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。