WEKO3
アイテム
深層学習による人物再同定における損失関数への重み付け手法
http://hdl.handle.net/10228/0002000846
http://hdl.handle.net/10228/00020008469e8fe047-98ca-4a6e-80ef-f16da08628ed
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
neuro_49.pdf (841 Kb)
|
|
| アイテムタイプ | 学術雑誌論文 = Journal Article(1) | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-28 | |||||||||||||
| 資源タイプ | ||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||
| 資源タイプ | journal article | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | 深層学習による人物再同定における損失関数への重み付け手法 | |||||||||||||
| 言語 | ja | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | Multi-Loss Weighting for Person Re-Identification Based on Deep Learning | |||||||||||||
| 言語 | en | |||||||||||||
| 言語 | ||||||||||||||
| 言語 | jpn | |||||||||||||
| 著者 |
清水, 雄哉
× 清水, 雄哉
× 榎田, 修一
WEKO
32516
|
|||||||||||||
| 抄録 | ||||||||||||||
| 内容記述タイプ | Abstract | |||||||||||||
| 内容記述 | 視野を共有しない複数台カメラ間の人物追跡などにおいて, 同一人物を判定する人物再同定が重要である. 深層学習を用いた人物再同定は高い性能を達成しており, その損失関数として, 一般的にCross-Entropy LossやTriplet Lossが用いられる. 近年, 人物再同定に対するアプローチとして, その両方の損失関数を線形和で用いる手法が注目されている. しかし, 異なる性質を持つ損失関数を同時に用いる場合, 他方への影響を考慮した重み付き線形和による統合法が必要となる. そこで本研究では, 損失関数の学習効率の違いとそのバランスを考慮し, 学習中に損失の重みを自動調整する手法を提案する. | |||||||||||||
| 言語 | ja | |||||||||||||
| 抄録 | ||||||||||||||
| 内容記述タイプ | Abstract | |||||||||||||
| 内容記述 | Person re-identification is an important component to realize various image recognition systems, e.g., person tracking system by utilizing multiple cameras. Person re-identification based on deep learning has achieved high performance, and cross-entropy loss or triplet loss is generally used as the loss function. In recent years, a linear summation of both loss functions has been attracting attention as an approach to person re-identification. However, when loss functions with different properties are used at the same time, a method of synthesis by weighted linear summation that takes into account the effect of the loss function on the other loss function is necessary. To overcome above problems, in this paper, a method that automatically adjusts the weights of loss functions during learning is proposed. | |||||||||||||
| 言語 | en | |||||||||||||
| 書誌情報 |
ja : 成形加工 en : Seikei-Kakou 巻 53, 号 1, p. 28-32, 発行日 2024 |
|||||||||||||
| 出版社 | ||||||||||||||
| 出版者 | プラスチック成形加工学会 | |||||||||||||
| 言語 | ja | |||||||||||||
| 出版社 | ||||||||||||||
| 出版者 | The Institute of Image Electronics Engineers of Japan | |||||||||||||
| 言語 | en | |||||||||||||
| NCID | ||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||
| 収録物識別子 | AN00041650 | |||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | PISSN | |||||||||||||
| 収録物識別子 | 0285-9831 | |||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | EISSN | |||||||||||||
| 収録物識別子 | 1883-7417 | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | 深層学習 | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | 人物再同定 | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | 損失関数 | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | cross-entropy loss | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | triplet loss | |||||||||||||
| 出版タイプ | ||||||||||||||
| 出版タイプ | VoR | |||||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||||
| 査読の有無 | ||||||||||||||
| 値 | yes | |||||||||||||
| 連携ID | ||||||||||||||
| 値 | 12341 | |||||||||||||
