論文の概要: Discriminative Residual Analysis for Image Set Classification with Posture and Age Variations

• arxiv url: http://arxiv.org/abs/2008.09994v1
• Date: Sun, 23 Aug 2020 08:53:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 02:45:34.742444
• Title: Discriminative Residual Analysis for Image Set Classification with Posture and Age Variations
• Title（参考訳）: 姿勢・年齢変化を考慮した画像集合分類のための識別残差分析
• Authors: Chuan-Xian Ren, You-Wei Luo, Xiao-Lin Xu, Dao-Qing Dai and Hong Yan
• Abstract要約: 識別残差分析(DRA)は分類性能を向上させるために提案される。 DRAは、残差表現を識別部分空間にキャストする強力な射影を得ようとする。 2つの正則化アプローチは、可能な小さなサンプルサイズ問題に対処するために使用される。
• 参考スコア（独自算出の注目度）: 27.751472312581228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image set recognition has been widely applied in many practical problems like real-time video retrieval and image caption tasks. Due to its superior performance, it has grown into a significant topic in recent years. However, images with complicated variations, e.g., postures and human ages, are difficult to address, as these variations are continuous and gradual with respect to image appearance. Consequently, the crucial point of image set recognition is to mine the intrinsic connection or structural information from the image batches with variations. In this work, a Discriminant Residual Analysis (DRA) method is proposed to improve the classification performance by discovering discriminant features in related and unrelated groups. Specifically, DRA attempts to obtain a powerful projection which casts the residual representations into a discriminant subspace. Such a projection subspace is expected to magnify the useful information of the input space as much as possible, then the relation between the training set and the test set described by the given metric or distance will be more precise in the discriminant subspace. We also propose a nonfeasance strategy by defining another approach to construct the unrelated groups, which help to reduce furthermore the cost of sampling errors. Two regularization approaches are used to deal with the probable small sample size problem. Extensive experiments are conducted on benchmark databases, and the results show superiority and efficiency of the new methods.
• Abstract（参考訳）: 画像認識は、リアルタイムビデオ検索や画像キャプションタスクなど、多くの実践的な問題に広く応用されている。 その性能は優れており、近年では重要な話題となっている。 しかし、姿勢や人間の年齢など、複雑なバリエーションを持つ画像は、画像の出現に関して連続的に徐々に変化するため、対処が困難である。 したがって、画像集合認識の重要なポイントは、画像バッチから本質的な接続または構造情報をばらつきでマイニングすることである。 本研究では, 識別残差分析(DRA)手法を提案し, 関連群と非関連群の識別特徴を同定し, 分類性能を向上させる。 具体的には、DRAは残留表現を判別部分空間にキャストする強力な射影を得ようとする。 そのような射影部分空間は、入力空間の有用な情報を可能な限り拡大することが期待され、与えられた距離または距離で記述されたトレーニングセットとテストセットの関係は、判別サブ空間においてより正確になる。 また、無関係なグループを構築するための別のアプローチを定義することで、エラーをサンプリングするコストをさらに削減する手法を提案する。 2つの正則化アプローチは、可能な小さなサンプルサイズ問題に対処するために使用される。 ベンチマークデータベースで広範な実験を行い,新しい手法の有用性と効率性を示した。

関連論文リスト

• Recursive Counterfactual Deconfounding for Object Recognition [20.128093193861165]
  本稿では,クローズドセットとオープンセットの両方のシナリオにおいて,オブジェクト認識のための再帰的因果分解モデルを提案する。 提案したRCDモデルは,ほとんどの場合において,11の最先端ベースラインよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-25T07:46:41Z)
• Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
  きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。 本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。 本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2023-09-01T11:15:50Z)
• Self-similarity Driven Scale-invariant Learning for Weakly Supervised Person Search [66.95134080902717]
  自己相似性駆動型スケール不変学習(SSL)という新しいワンステップフレームワークを提案する。 本稿では,ネットワークを前景と学習スケール不変の機能に集中させるための,マルチスケール・エクステンプラー・ブランチを提案する。 PRWおよびCUHK-SYSUデータベースの実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-02-25T04:48:11Z)
• Enhancing Fine-Grained Classification for Low Resolution Images [97.82441158440527]
  低解像度画像は、限られた情報内容の固有の課題と、サブカテゴリ分類に有用な詳細の欠如に悩まされる。 本研究では,補助情報を用いて分類の識別的特徴を学習する,新たな属性支援損失を提案する。 提案する損失関数により、モデルは属性レベルの分離性を取り入れながら、クラス固有の識別特徴を学習することができる。
  論文  参考訳（メタデータ） (2021-05-01T13:19:02Z)
• On the Unreasonable Effectiveness of Centroids in Image Retrieval [0.1933681537640272]
  本稿では,トレーニングと検索の両方において,平均セントロイド表現を用いることを提案する。 各クラスは単一の埋め込み – クラスセントロイド – で表現されるため、検索時間とストレージ要件の両方が大幅に削減される。
  論文  参考訳（メタデータ） (2021-04-28T08:57:57Z)
• Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
  本研究では,セマンティックデータ拡張法 (SDA) を提案する。 また,適応的セマンティックデータ拡張 (ASDA) を提案する。 最先端の結果は、挑戦的なベンチマークで得られます。
  論文  参考訳（メタデータ） (2020-08-03T07:56:04Z)
• When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
  GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である 本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。 ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-24T11:35:28Z)
• Cross-Resolution Adversarial Dual Network for Person Re-Identification and Beyond [59.149653740463435]
  人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。 カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。 本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T07:21:38Z)

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。