Fugu-MT 論文翻訳(概要): DSAM-GN:Graph Network based on Dynamic Similarity Adjacency Matrices for Vehicle Re-identification

論文の概要: DSAM-GN:Graph Network based on Dynamic Similarity Adjacency Matrices for Vehicle Re-identification

arxiv url: http://arxiv.org/abs/2310.16694v1
Date: Wed, 25 Oct 2023 15:04:57 GMT
ステータス: 処理完了
システム内更新日: 2023-10-26 14:00:00.719209
Title: DSAM-GN:Graph Network based on Dynamic Similarity Adjacency Matrices for Vehicle Re-identification
Title（参考訳）: DSAM-GN:Graph Network を用いた車両再識別のための動的類似性隣接行列
Authors: Yuejun Jiao and Song Qiu and Mingsong Chen and Dingding Han and Qingli Li and Yue Lu
Abstract要約: 本稿では,動的類似性隣接行列(DSAM-GN)に基づくグラフネットワークを提案する。提案手法は,抽出した車両の特徴を,グラフネットワーク内のノードとして異なるパッチに分割する。パブリックデータセットのVeRi-776とVabyIDによる実験結果から,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 16.692943669382064
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, vehicle re-identification (Re-ID) has gained increasing importance in various applications such as assisted driving systems, traffic flow management, and vehicle tracking, due to the growth of intelligent transportation systems. However, the presence of extraneous background information and occlusions can interfere with the learning of discriminative features, leading to significant variations in the same vehicle image across different scenarios. This paper proposes a method, named graph network based on dynamic similarity adjacency matrices (DSAM-GN), which incorporates a novel approach for constructing adjacency matrices to capture spatial relationships of local features and reduce background noise. Specifically, the proposed method divides the extracted vehicle features into different patches as nodes within the graph network. A spatial attention-based similarity adjacency matrix generation (SASAMG) module is employed to compute similarity matrices of nodes, and a dynamic erasure operation is applied to disconnect nodes with low similarity, resulting in similarity adjacency matrices. Finally, the nodes and similarity adjacency matrices are fed into graph networks to extract more discriminative features for vehicle Re-ID. Experimental results on public datasets VeRi-776 and VehicleID demonstrate the effectiveness of the proposed method compared with recent works.
Abstract（参考訳）: 近年,自動車再識別(Re-ID)は,運転支援システム,交通フロー管理,車両追跡など,インテリジェント交通システムの成長により,様々な応用において重要性が高まっている。しかし、外在する背景情報や排他物の存在は差別的特徴の学習を妨げる可能性があるため、異なるシナリオで同じ車両画像に顕著な変化をもたらす。本稿では,動的類似性隣接行列(DSAM-GN)に基づくグラフネットワークを提案する。これは,局所特徴の空間的関係を捉え,背景雑音を低減するために,隣接行列を構成する新しいアプローチを取り入れたものである。具体的には,抽出した車両特徴をグラフネットワーク内のノードとして異なるパッチに分割する。ノードの類似度行列を計算するために空間的注意に基づく類似度隣接行列生成(SASAMG)モジュールを用い、類似度が低いノードに動的消去操作を適用し、類似度隣接行列を生成する。最後に、ノードと類似性隣接行列をグラフネットワークに入力し、車載Re-IDのより識別性の高い特徴を抽出する。パブリックデータセットのVeRi-776とVabyIDによる実験結果から,提案手法の有効性が示された。

関連論文リスト

GITSR: Graph Interaction Transformer-based Scene Representation for Multi Vehicle Collaborative Decision-making [9.910230703889956]
本研究では,交通状態の空間的相互作用の効率的な表現とモデル化に焦点を当てた。本研究では,グラフインタラクショントランスフォーマに基づくシーン表現のための効果的なフレームワークであるGITSRを提案する。
論文参考訳（メタデータ） (2024-11-03T15:27:26Z)
Reliable Node Similarity Matrix Guided Contrastive Graph Clustering [51.23437296378319]
我々は、新しいフレームワーク、Reliable Node similarity Matrix Guided Contrastive Graph Clustering (NS4GC)を紹介した。本手法は,ノード近傍のアライメントとセマンティック・アウェア・スパリフィケーションを導入し,ノード類似度行列が正確かつ効率的にスパースであることを保証する。
論文参考訳（メタデータ） (2024-08-07T13:36:03Z)
Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文参考訳（メタデータ） (2023-08-28T12:55:13Z)
Learning Cross-view Geo-localization Embeddings via Dynamic Weighted Decorrelation Regularization [52.493240055559916]
クロスビュージオローカライゼーションは、ドローンプラットフォームと衛星プラットフォームという2つのプラットフォームから撮影された同じ位置の画像を見つけることを目的としている。既存の手法は、通常、特徴空間内の他のものとの埋め込み距離を最適化することに焦点を当てる。本稿では、低冗長性も重要であり、モデルがより多様なパターンをマイニングする動機となっていると論じる。
論文参考訳（メタデータ） (2022-11-10T02:13:10Z)
Dynamic Graph Message Passing Networks for Visual Recognition [112.49513303433606]
長距離依存のモデリングは、コンピュータビジョンにおけるシーン理解タスクに不可欠である。完全連結グラフはそのようなモデリングには有益であるが、計算オーバーヘッドは禁じられている。本稿では,計算複雑性を大幅に低減する動的グラフメッセージパッシングネットワークを提案する。
論文参考訳（メタデータ） (2022-09-20T14:41:37Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
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)
MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文参考訳（メタデータ） (2021-07-22T03:10:51Z)
Instance and Pair-Aware Dynamic Networks for Re-Identification [16.32740680438257]
Re-identification (ReID) は、異なるカメラで同じインスタンスを識別することです。インスタンスとペアアウェア動的ネットワークという,新しいエンドツーエンドのトレーニング可能な動的畳み込みフレームワークを提案する。いくつかのデータセットでは、我々のアルゴリズムは最先端の手法よりも優れており、また、我々のアルゴリズムは同等のパフォーマンスを達成する。
論文参考訳（メタデータ） (2021-03-09T12:34:41Z)
Unsupervised Vehicle Re-Identification via Self-supervised Metric Learning using Feature Dictionary [1.7894377200944507]
教師なし車両再識別(re-id)の重要な課題は、ラベルなし車両画像からの識別特徴の学習である。本稿では,ラベル付きデータセットを一切必要としない非教師付き車両Re-ID手法について述べる。
論文参考訳（メタデータ） (2021-03-03T08:29:03Z)
Understanding Dynamic Scenes using Graph Convolution Networks [22.022759283770377]
本稿では,移動カメラが捉えた時間順のフレーム列から道路車両の挙動をモデル化する新しい枠組みを提案する。微調整に頼らずに複数のデータセットへの学習のシームレスな移行を示す。このような振る舞い予測手法は,様々なナビゲーションタスクにおいて即時関連性を見出す。
論文参考訳（メタデータ） (2020-05-09T13:05:06Z)

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。