論文の概要: Vision-based Vehicle Re-identification in Bridge Scenario using Flock Similarity

• arxiv url: http://arxiv.org/abs/2403.07752v1
• Date: Tue, 12 Mar 2024 15:39:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 20:53:13.854345
• Title: Vision-based Vehicle Re-identification in Bridge Scenario using Flock Similarity
• Title（参考訳）: 群れ類似性を用いた橋梁シナリオにおける視覚に基づく車両再識別
• Authors: Chunfeng Zhang, Ping Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.395839823503292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the needs of road traffic flow monitoring and public safety management, video surveillance cameras are widely distributed in urban roads. However, the information captured directly by each camera is siloed, making it difficult to use it effectively. Vehicle re-identification refers to finding a vehicle that appears under one camera in another camera, which can correlate the information captured by multiple cameras. While license plate recognition plays an important role in some applications, there are some scenarios where re-identification method based on vehicle appearance are more suitable. The main challenge is that the data of vehicle appearance has the characteristics of high inter-class similarity and large intra-class differences. Therefore, it is difficult to accurately distinguish between different vehicles by relying only on vehicle appearance information. At this time, it is often necessary to introduce some extra information, such as spatio-temporal information. Nevertheless, the relative position of the vehicles rarely changes when passing through two adjacent cameras in the bridge scenario. In this paper, we present a vehicle re-identification method based on flock similarity, which improves the accuracy of vehicle re-identification by utilizing vehicle information adjacent to the target vehicle. When the relative position of the vehicles remains unchanged and flock size is appropriate, we obtain an average relative improvement of 204% on VeRi dataset in our experiments. Then, the effect of the magnitude of the relative position change of the vehicles as they pass through two cameras is discussed. We present two metrics that can be used to quantify the difference and establish a connection between them. Although this assumption is based on the bridge scenario, it is often true in other scenarios due to driving safety and camera location.
• Abstract（参考訳）: 道路交通の監視と公共の安全管理の必要性から、ビデオ監視カメラは都市部の道路に広く普及している。 しかし、各カメラが直接撮影した情報はサイロ化されており、効果的に使用するのが困難である。 車両の再識別(英: vehicle re-identification)とは、別のカメラに1台のカメラの下に現れる車両を見つけること。 ライセンスプレート認識はいくつかのアプリケーションにおいて重要な役割を果たすが、車両の外観に基づく再識別方法がより適しているシナリオもある。 主な課題は、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ことである。 そのため、車両の外観情報のみに頼って、異なる車両を正確に区別することは困難である。 このとき、時空間情報などの追加情報を導入することがしばしば必要となる。 しかし、橋梁のシナリオで隣接する2台のカメラを通過すると、車両の相対的な位置がほとんど変わらない。 本稿では,車両識別の精度を目標車両に隣接する車両情報を利用して向上させる,群れ類似性に基づく車両再識別手法を提案する。 車両の相対的な位置が変化せず、群れのサイズが適切であれば、実験でveriデータセット上で平均204%の相対的改善が得られる。 次に,2台のカメラを通過する車両の相対位置変化の大きさの影響について検討した。 違いを定量化し、それらの関係を確立するために使用できる2つの指標を示す。 この仮定は橋梁のシナリオに基づいているが、安全とカメラの位置を運転する他のシナリオではそうであることが多い。

関連論文リスト

• Spatial-temporal Vehicle Re-identification [3.7748602100709534]
  信頼性の高いカメラネットワークトポロジを推定する空間時空間車両ReIDフレームワークを提案する。 提案手法に基づいて,公開データセット(VeRi776)において,ランク1の精度の99.64%向上した。
  論文  参考訳（メタデータ） (2023-09-03T13:07:38Z)
• Complete Solution for Vehicle Re-ID in Surround-view Camera System [10.10765191655754]
  自動車再識別(Re-ID)は自律運転認識システムにおいて重要な要素である。 魚眼カメラのユニークな構成のため、多くの写真フレームで同じ車両を識別することは困難である。 我々の手法は、最先端の精度とリアルタイムのパフォーマンスを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-12-08T07:52:55Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Vehicle Re-identification Method Based on Vehicle Attribute and Mutual Exclusion Between Cameras [7.028589578216994]
  Re-ID結果を再ランクする車両属性ガイド法を提案する。 車両の配向や車両のブランドなどに使われる。 CVPR 2021 AI City Challengeでは, 63.73%のmAPと76.61%の精度を達成した。
  論文  参考訳（メタデータ） (2021-04-30T10:11:46Z)
• Trends in Vehicle Re-identification Past, Present, and Future: A Comprehensive Review [2.9093633827040724]
  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。
  論文  参考訳（メタデータ） (2021-02-19T05:02:24Z)
• 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)
• V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction [74.42961817119283]
  車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。 複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
  論文  参考訳（メタデータ） (2020-08-17T17:58:26Z)
• Vehicle Re-ID for Surround-view Camera System [8.919111930321206]
  自動車再識別(ReID)は自律運転の認識システムにおいて重要な役割を担っている。 車両に搭載されたサラウンドビューシステムに対して、既存の完全な解決策はない。 トラッキングボックスのドリフトとターゲットの一貫性のバランスをとるための新しい品質評価機構を提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:25:10Z)
• 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。