論文の概要: You Can Run but not Hide: Improving Gait Recognition with Intrinsic Occlusion Type Awareness

• arxiv url: http://arxiv.org/abs/2312.02290v1
• Date: Mon, 4 Dec 2023 19:11:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 17:50:29.546899
• Title: You Can Run but not Hide: Improving Gait Recognition with Intrinsic Occlusion Type Awareness
• Title（参考訳）: 走れるが隠せない:本質的な閉塞型認識による歩行認識の改善
• Authors: Ayush Gupta, Rama Chellappa
• Abstract要約: 蓄積された身体部分は、制御されていない屋外シーケンスの歩行認識に影響を及ぼす可能性がある。 現在のほとんどの方法は、歩行特徴を抽出しながら、完全な身体情報が得られると仮定している。 そこで,本研究では,内在性咬合認知を任意の最先端歩行認識手法にモデル化することのできる咬合認知歩行認識手法を提案する。
• 参考スコア（独自算出の注目度）: 48.151855620080134
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While gait recognition has seen many advances in recent years, the occlusion problem has largely been ignored. This problem is especially important for gait recognition from uncontrolled outdoor sequences at range - since any small obstruction can affect the recognition system. Most current methods assume the availability of complete body information while extracting the gait features. When parts of the body are occluded, these methods may hallucinate and output a corrupted gait signature as they try to look for body parts which are not present in the input at all. To address this, we exploit the learned occlusion type while extracting identity features from videos. Thus, in this work, we propose an occlusion aware gait recognition method which can be used to model intrinsic occlusion awareness into potentially any state-of-the-art gait recognition method. Our experiments on the challenging GREW and BRIAR datasets show that networks enhanced with this occlusion awareness perform better at recognition tasks than their counterparts trained on similar occlusions.
• Abstract（参考訳）: 近年,歩行認識は多くの進歩を遂げているが,咬合問題は無視されている。 この問題は、小さな障害が認識システムに影響を及ぼす可能性があるため、制御されていない屋外シーケンスからの歩行認識において特に重要である。 現在のほとんどの方法は、歩行の特徴を抽出しながら完全な身体情報を利用できると仮定している。 身体の一部がオクルードされた場合、これらの方法は、入力に全く存在しない身体部品を探そうとするときに、腐敗した歩行のサインを幻覚して出力する。 これを解決するために,ビデオから識別機能を抽出しながら,学習した閉塞型を利用する。 そこで本研究では,本研究では,内在性隠蔽認識を潜在的に最先端の歩行認識手法にモデル化するための,隠蔽認識手法を提案する。 難易度とブライアのデータセットを用いた実験では,類似したオクルージョンを訓練したネットワークに比べて,このオクルージョン認知度で強化されたネットワークが認識タスクにおいて優れた性能を示すことが示された。

関連論文リスト

• Towards Open-set Gesture Recognition via Feature Activation Enhancement and Orthogonal Prototype Learning [4.724899372568309]
  ジェスチャー認識は人間と機械の相互作用における基礎的なタスクである。 頑健なシステムにおいて、未知の無関心な動作を効果的に識別し、拒否することが不可欠である。 本稿では,2つの新しい特徴,特徴のアクティベーションレベル,投射の不整合性を利用した,より効果的なPL手法を提案する。
  論文  参考訳（メタデータ） (2023-12-05T06:49:15Z)
• 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)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Towards a Deeper Understanding of Skeleton-based Gait Recognition [4.812321790984493]
  近年、ほとんどの歩行認識法は、人のシルエットを使って歩行の特徴を抽出している。 モデルに基づく手法はこれらの問題に悩まされず、身体関節の時間運動を表現することができる。 本研究では,高次入力と残差ネットワークを組み合わせたグラフ畳み込みネットワーク(GCN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-16T18:23:37Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• Gait Recognition Based on Deep Learning: A Survey [1.731119436110423]
  バイオメトリに基づく制御システムは、適切な操作を行うために、個々の期待する行動や協調に依存しない。 いくつかの研究は、歩行認識アプローチによってこの問題に対処することを提案している。 ディープラーニングベースのアプローチは、ほぼあらゆる画像やコンピュータビジョンに関連する問題に対処する、堅牢なツールセットとして最近登場した。
  論文  参考訳（メタデータ） (2022-01-10T12:44:42Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• Hierarchical Self Attention Based Autoencoder for Open-Set Human Activity Recognition [2.492343817244558]
  ウェアラブルセンサを用いたヒューマンアクティビティ認識のための自己注目型アプローチを提案する。 エンコーダからの自己アテンションに基づく特徴表現を組み込んで、オープンセットの認識設定で見えないアクティビティクラスを検出する。 ボディウォーンセンサ信号の雑音に対するロバスト性および被写体特異的変動性が著しく改善されたことを示す広範な検証実験を行う。
  論文  参考訳（メタデータ） (2021-03-07T06:21:18Z)

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。