論文の概要: Spatio-temporal Gait Feature with Adaptive Distance Alignment
- arxiv url: http://arxiv.org/abs/2203.03376v1
- Date: Mon, 7 Mar 2022 13:34:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 20:51:37.118952
- Title: Spatio-temporal Gait Feature with Adaptive Distance Alignment
- Title（参考訳）: 適応距離アライメントを用いた時空間歩行特性
- Authors: Xuelong Li, Yifan Chen, Jingran Su, Yang Zhao
- Abstract要約: 我々は,ネットワーク構造の最適化と抽出した歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差を増大させようとしている。
提案手法は時空間特徴抽出(SFE)と適応距離アライメント(ADA)から構成される。
ADAは実生活における多数の未ラベルの歩行データをベンチマークとして使用し、抽出した時間的特徴を洗練し、クラス間類似度が低く、クラス内類似度が高いようにしている。
- 参考スコア（独自算出の注目度）: 90.5842782685509
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gait recognition is an important recognition technology, because it is not
easy to camouflage and does not need cooperation to recognize subjects.
However, there are still serious challenges in gait recognition, that is,
people with similar walking posture are often recognized incorrectly. In this
paper, We try to increase the difference of gait features of different subjects
from two aspects: the optimization of network structure and the refinement of
extracted gait features, so as to increase the recognition efficiency of
subjects with similar walking posture. So our method is proposed, it consists
of Spatio-temporal Feature Extraction (SFE) and Adaptive Distance Alignment
(ADA), which SFE uses Temporal Feature Fusion (TFF) and Fine-grained Feature
Extraction (FFE) to effectively extract the spatio-temporal features from raw
silhouettes, ADA uses a large number of unlabeled gait data in real life as a
benchmark to refine the extracted spatio-temporal features to make them have
low inter-class similarity and high intra-class similarity. Extensive
experiments on mini-OUMVLP and CASIA-B have proved that we have a good result
than some state-of-the-art methods.
- Abstract（参考訳）: 歩行認識はカモフラージュが簡単ではなく、被験者の認識に協力する必要がないため、重要な認識技術である。
しかし、歩容認識には依然として深刻な課題があり、同じような歩行姿勢の人は誤認識されることが多い。
本稿では,歩行姿勢が類似する被験者の認識効率を向上させるために,ネットワーク構造の最適化と抽出された歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差異を増大させる。
そこで本研究では,sfeが時間的特徴融合 (tff) と細粒度特徴抽出 (ffe) を用いて生シルエットから時空間的特徴を効果的に抽出する時空間的特徴抽出 (sfe) と適応的距離アライメント (ada) からなる手法を提案する。
ミニOUMVLPとCASIA-Bの大規模な実験により,いくつかの最先端手法よりも良好な結果が得られた。
関連論文リスト
- Causality-inspired Discriminative Feature Learning in Triple Domains for Gait Recognition [36.55724380184354]
CLTDは、三重ドメイン、すなわち空間、時間、スペクトルにおける共同創設者の影響を排除するために設計された識別的特徴学習モジュールである。
具体的には、Cross Pixel-wise Attention Generator (CPAG)を用いて、空間的および時間的領域における実物的特徴と反物的特徴の注意分布を生成する。
次に、FPH(Fourier Projection Head)を導入し、空間的特徴をスペクトル空間に投影し、計算コストを低減しつつ重要な情報を保存する。
論文 参考訳（メタデータ） (2024-07-17T12:16:44Z) - D$^2$ST-Adapter: Disentangled-and-Deformable Spatio-Temporal Adapter for Few-shot Action Recognition [60.84084172829169]
大規模な事前訓練された画像モデルに数発のアクション認識を適用することは、ロバストな特徴抽出器を学習するための効果的な戦略であることが証明されている。
D$2$ST-Adapter (Disentangled-and-Deformable Spatio-Temporal Adapter) は,アクション認識に適した新しいチューニングフレームワークである。
論文 参考訳（メタデータ） (2023-12-03T15:40:10Z) - GADER: GAit DEtection and Recognition in the Wild [54.42997299561414]
本研究では,人間認証のためのGADERアルゴリズムを提案する。
具体的には、Double Helical Signatureを利用して人間の動きの断片を検出し、新しい歩行認識手法を取り入れている。
屋内および屋外のデータセットを用いた実験により,提案手法は歩行認識と検証のために現状よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-27T01:53:57Z) - GLSFormer : Gated - Long, Short Sequence Transformer for Step
Recognition in Surgical Videos [57.93194315839009]
本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。
本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2023-07-20T17:57:04Z) - GaitMAST: Motion-Aware Spatio-Temporal Feature Learning Network for
Cross-View Gait Recognition [32.76653659564304]
動作認識機能の可能性を解き放つGaitMASTを提案する。
GitMASTは個人のユニークなウォーキングパターンをよく保存する。
平均ランク1の精度は98.1%である。
論文 参考訳（メタデータ） (2022-10-21T08:42:00Z) - Spatiotemporal Multi-scale Bilateral Motion Network for Gait Recognition [3.1240043488226967]
本稿では,光学的流れに動機づけられた両動方向の特徴について述べる。
動作コンテキストを多段階の時間分解能でリッチに記述する多段階の時間表現を開発する。
論文 参考訳（メタデータ） (2022-09-26T01:36:22Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳（メタデータ） (2022-09-01T10:46:09Z) - Efficient Modelling Across Time of Human Actions and Interactions [92.39082696657874]
3つの畳み込みニューラルネットワーク(CNND)における現在の固定サイズの時間的カーネルは、入力の時間的変動に対処するために改善できると主張している。
我々は、アーキテクチャの異なるレイヤにまたがる機能の違いを強化することで、アクションのクラス間でどのようにうまく対処できるかを研究する。
提案手法は、いくつかのベンチマークアクション認識データセットで評価され、競合する結果を示す。
論文 参考訳（メタデータ） (2021-10-05T15:39:11Z) - ConCAD: Contrastive Learning-based Cross Attention for Sleep Apnea
Detection [16.938983046369263]
睡眠時無呼吸検出のための学習型クロスアテンションフレームワーク(ConCAD)を提案する。
提案フレームワークは,標準ディープラーニングモデルに容易に統合でき,専門家の知識とコントラスト学習を活用し,パフォーマンスを向上させる。
論文 参考訳（メタデータ） (2021-05-07T02:38:56Z) - SelfGait: A Spatiotemporal Representation Learning Method for
Self-supervised Gait Recognition [24.156710529672775]
歩行認識は、歩行が距離で認識することができるユニークな生体測定機能であるため、人間の識別に重要な役割を果たします。
既存の歩行認識法は歩行系列から歩行特徴を異なる方法で学習することができるが、歩行認識の性能はラベル付きデータに苦しむ。
本研究では, 事前学習プロセスとして, 多種多様でラベルなしの歩行データを活用した自己監視歩行認識手法であるSelfGaitを提案する。
論文 参考訳（メタデータ） (2021-03-27T05:15:39Z)
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。