論文の概要: Trends in Vehicle Re-identification Past, Present, and Future: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2102.09744v1
• Date: Fri, 19 Feb 2021 05:02:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-22 13:34:12.425367
• Title: Trends in Vehicle Re-identification Past, Present, and Future: A Comprehensive Review
• Title（参考訳）: 自動車再識別の過去・現在・未来の動向:総合的レビュー
• Authors: Zakria, Jianhua Deng, Muhammad Saddam Khokhar, Muhammad Umar Aftab, Jingye Cai, Rajesh Kumar and Jay Kumar
• Abstract要約: 車両リアイドは、複数のカメラネットワークビューでターゲット車両オーバーオーバーラップビューにマッチします。 本稿では,各種車両のre-id技術,手法,データセット,および各種方法論の比較を包括的に記述する。
• 参考スコア（独自算出の注目度）: 2.9093633827040724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle Re-identification (re-id) over surveillance camera network with non-overlapping field of view is an exciting and challenging task in intelligent transportation systems (ITS). Due to its versatile applicability in metropolitan cities, it gained significant attention. Vehicle re-id matches targeted vehicle over non-overlapping views in multiple camera network. However, it becomes more difficult due to inter-class similarity, intra-class variability, viewpoint changes, and spatio-temporal uncertainty. In order to draw a detailed picture of vehicle re-id research, this paper gives a comprehensive description of the various vehicle re-id technologies, applicability, datasets, and a brief comparison of different methodologies. Our paper specifically focuses on vision-based vehicle re-id approaches, including vehicle appearance, license plate, and spatio-temporal characteristics. In addition, we explore the main challenges as well as a variety of applications in different domains. Lastly, a detailed comparison of current state-of-the-art methods performances over VeRi-776 and VehicleID datasets is summarized with future directions. We aim to facilitate future research by reviewing the work being done on vehicle re-id till to date.
• Abstract（参考訳）: 監視カメラネットワーク上での車両再識別(再ID)は、インテリジェントな輸送システム(ITS)におけるエキサイティングで挑戦的なタスクです。 大都市での多様な適用性のため、大きな注目を集めた。 車両リアイドは、複数のカメラネットワークで非オーバーラップビュー上のターゲット車両にマッチします。 しかし,クラス間類似性,クラス内変動性,視点変化,時空間的不確実性などにより困難になる。 本稿では,車両のリid研究の詳細な図面を描くために,様々な車両のリid技術,適用性,データセット,および異なる方法論の簡単な比較について概説する。 本稿では,車両の外観,ナンバープレート,時空間特性など,視覚に基づく車両のre-idアプローチに着目した。 さらに、私たちはさまざまなドメインのさまざまなアプリケーションと同様に、主な課題を探求します。 最後に、VeRi-776 および VehicleID データセットに対する現在の最先端のメソッドのパフォーマンスの詳細な比較を、将来の方向と要約します。 我々は,現在までの車両再設計作業の見直しによって,今後の研究を促進することを目的としている。

関連論文リスト

• Vision-based Vehicle Re-identification in Bridge Scenario using Flock Similarity [4.395839823503292]
  車両の再識別(英: vehicle re-identification)とは、あるカメラの下に別のカメラに現れる車両を見つけることを指す。 車両の外観データには、高いクラス間類似性と大きなクラス内差異の特徴がある。 そこで本研究では,フロック類似性に基づく車両再識別手法を提案し,車両再識別の精度を向上する。
  論文  参考訳（メタデータ） (2024-03-12T15:39:56Z)
• Multi-query Vehicle Re-identification: Viewpoint-conditioned Network, Unified Dataset and New Metric [30.344288906037345]
  マルチクエリー車両Re-IDと呼ばれる,より現実的でアクセスしやすいタスクを提案する。 我々は、異なる車両視点からの補完情報を適応的に組み合わせた、新しい視点条件付きネットワーク(VCNet)を設計する。 次に、実生活の交通監視システムから6142台のカメラで撮影された、統一されたベンチマークデータセットを作成します。 第3に,クロスシーン認識能力を測定する平均クロスシーン精度(mCSP)と呼ばれる新しい評価指標を設計する。
  論文  参考訳（メタデータ） (2023-05-25T06:22:03Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Discriminative-Region Attention and Orthogonal-View Generation Model for Vehicle Re-Identification [7.5366501970852955]
  複数の課題は、視覚に基づく車両のRe-ID手法の適用を妨げる。 提案したDRAモデルでは,識別領域の特徴を自動的に抽出し,類似した車両を識別することができる。 また、OVGモデルでは、入力ビュー機能に基づいてマルチビュー機能を生成し、視点ミスマッチの影響を低減することができる。
  論文  参考訳（メタデータ） (2022-04-28T07:46:03Z)
• Pluggable Weakly-Supervised Cross-View Learning for Accurate Vehicle Re-Identification [53.6218051770131]
  クロスビューの一貫した機能表現は、正確な車両ReIDの鍵です。 既存のアプローチは、広範な余分な視点アノテーションを使用して、クロスビュー学習を監督する。 Weakly-supervised Cross-View Learning (WCVL) モジュールを車載用として提案する。
  論文  参考訳（メタデータ） (2021-03-09T11:51:09Z)
• Discriminative Feature Representation with Spatio-temporal Cues for Vehicle Re-identification [0.0]
  車両識別(re-ID)は、様々なカメラが様々な道路網で撮影したギャラリー画像から対象車両を発見し、マッチングすることを目的としている。 車両用リIDのための新しい手がかり(DFR-ST)を用いた特徴表現を提案する。 外観や時間的情報を含むことで、埋め込み空間で堅牢な特徴を構築することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:50:21Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• VehicleNet: Learning Robust Visual Representation for Vehicle Re-identification [116.1587709521173]
  我々は,4つのパブリックな車両データセットを活用することで,大規模車両データセット(VabyNet)を構築することを提案する。 VehicleNetからより堅牢な視覚表現を学習するための、シンプルで効果的な2段階プログレッシブアプローチを設計する。 AICity Challengeのプライベートテストセットにおいて,最先端の精度86.07%mAPを実現した。
  論文  参考訳（メタデータ） (2020-04-14T05:06:38Z)
• The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
  車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。 我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
  論文  参考訳（メタデータ） (2020-04-14T02:24:47Z)
• Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
  本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-10T13:06:09Z)

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。