論文の概要: Enhancing Person Re-Identification through Tensor Feature Fusion
- arxiv url: http://arxiv.org/abs/2312.10470v1
- Date: Sat, 16 Dec 2023 15:04:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 16:16:43.132908
- Title: Enhancing Person Re-Identification through Tensor Feature Fusion
- Title(参考訳): テンソル特徴融合による人物再同定の促進
- Authors: Akram Abderraouf Gharbi, Ammar Chouchane, Mohcene Bessaoudi,
Abdelmalik Ouamane, El ouanas Belabbaci
- Abstract要約: 本稿では,テンソル特徴表現とマルチ線形部分空間学習に基づく新しい人物認識システム(PRe-ID)を提案する。
提案手法は,事前学習したCNNを高レベル特徴抽出に活用する。
クロスビュー四分法解析(TXQDA)アルゴリズムは,マルチ線形部分空間学習に使用される。
- 参考スコア(独自算出の注目度): 0.5562294018150907
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel person reidentification (PRe-ID) system
that based on tensor feature representation and multilinear subspace learning.
Our approach utilizes pretrained CNNs for high-level feature extraction, along
with Local Maximal Occurrence (LOMO) and Gaussian Of Gaussian (GOG )
descriptors. Additionally, Cross-View Quadratic Discriminant Analysis (TXQDA)
algorithm is used for multilinear subspace learning, which models the data in a
tensor framework to enhance discriminative capabilities. Similarity measure
based on Mahalanobis distance is used for matching between training and test
pedestrian images. Experimental evaluations on VIPeR and PRID450s datasets
demonstrate the effectiveness of our method.
- Abstract(参考訳): 本稿では,テンソル特徴表現とマルチ線形部分空間学習に基づく新しい人物認識システム(PRe-ID)を提案する。
提案手法は,高度特徴抽出のための事前学習CNNと,Local Maximal Occurrence (LOMO) および Gaussian Of Gaussian (GOG) 記述子を用いた。
さらに、TXQDA(Cross-View Quadratic Discriminant Analysis)アルゴリズムは、テンソルフレームワーク内のデータをモデル化して識別能力を高めるマルチ線形部分空間学習に使用される。
マハラノビス距離に基づく類似度測定は、訓練と歩行者画像の照合に使用される。
VIPeRおよびPRID450sデータセットの実験的評価により,本手法の有効性が示された。
関連論文リスト
- Advancing Person Re-Identification: Tensor-based Feature Fusion and
Multilinear Subspace Learning [0.6829272097221595]
特徴表現と多線形部分空間学習を組み合わせた新しいPRe-IDシステムを提案する。
提案手法は,CNN(Creative Conrimial Neural Networks)を強力な特徴抽出器として活用する。
提案手法は,VIPeR,GRID,PRID450の3つのデータセットを用いて実験を行うことにより評価する。
論文 参考訳(メタデータ) (2023-12-24T16:19:22Z) - Enhancing Cross-Dataset Performance of Distracted Driving Detection With
Score-Softmax Classifier [7.302402275736439]
ディープニューラルネットワークは、車内ドライバのリアルタイム監視を可能にし、気晴らし、疲労、潜在的な危険のタイムリーな予測を容易にする。
最近の研究では、オーバーフィッティングによる信頼性の低いクロスデータセットのエンドツーエンドドライバの動作認識が明らかにされている。
Score-Softmax分類器を導入し、クラス間独立性とクラス内不確実性を高めることでこの問題に対処する。
論文 参考訳(メタデータ) (2023-10-08T15:28:01Z) - Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。
マルチモーダルデータに適した深層学習一クラス分類法を提案する。
論文 参考訳(メタデータ) (2023-09-25T12:31:18Z) - Learning disentangled representations for explainable chest X-ray
classification using Dirichlet VAEs [68.73427163074015]
本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。
DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
論文 参考訳(メタデータ) (2023-02-06T18:10:08Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳(メタデータ) (2023-02-06T10:01:38Z) - Deep Neural Network Classifier for Multi-dimensional Functional Data [4.340040784481499]
我々は,多次元関数型データを分類するFDNN(Functional Deep Neural Network)と呼ばれる新しい手法を提案する。
具体的には、将来のデータ関数のクラスラベルを予測するために使用されるトレーニングデータの原則コンポーネントに基づいて、ディープニューラルネットワークをトレーニングする。
論文 参考訳(メタデータ) (2022-05-17T19:22:48Z) - Clustering augmented Self-Supervised Learning: Anapplication to Land
Cover Mapping [10.720852987343896]
本稿では,自己教師型学習のためのクラスタリングに基づくプレテキストタスクを用いて,土地被覆マッピングの新しい手法を提案する。
社会的に関係のある2つのアプリケーションに対して,本手法の有効性を示す。
論文 参考訳(メタデータ) (2021-08-16T19:35:43Z) - No Fear of Heterogeneity: Classifier Calibration for Federated Learning
with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。
このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。
実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文 参考訳(メタデータ) (2021-06-09T12:02:29Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳(メタデータ) (2021-03-25T09:31:41Z) - Interpretable Visualizations with Differentiating Embedding Networks [0.0]
本稿では,新たな非教師付きシームズニューラルネットワークトレーニングシステムと損失関数に基づく,微分埋め込みネットワーク(DEN)を用いた可視化アルゴリズムを提案する。
Siameseのニューラルネットワークは、データセット内の特定のサンプルペア間の差別化や類似した特徴を見つけ、これらの特徴を使用して、データセットを視覚化可能な低次元空間に埋め込む。
DENを解釈するために、可視化の上にエンドツーエンドのパラメトリッククラスタリングアルゴリズムを作成し、次にSHAPスコアを利用して、サンプル空間のどの特徴が重要かを決定する。
論文 参考訳(メタデータ) (2020-06-11T17:30:44Z) - Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。
ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。
本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-05T07:06:19Z)
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。