최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기전자학회논문지 = Journal of IKEEE, v.23 no.4, 2019년, pp.1166 - 1174
박성현 (Dept. of Embedded Systems Engineering, Incheon National University) , 강석훈 (Dept. of Embedded Systems Engineering, Incheon National University)
This paper propose and experiment advanced PersonNet, a human identification model, with advanced performance. We apply the inception layer to extract feature points, and increase the existing 32 feature points to 154. Also, we modify the CND method used by PersonNet to mitigate asymmetry, and apply...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
PersonNet이란? | PersonNet[2]은 사람의 이미지들을 입력으로 넣게 되면 두 이미지의 사람이 동일인인지(Same) 다른 사람인지(different) 판단하는 신경망 구조이다. 2개의 입력 이미지를 3개의 CNN 계층을 통과시켜 특징점을 뽑아내는데 컨볼루션 필터의 크기는 3x3 크기로 설정을 한다. | |
CNN 계층을 이용한 VGG[3]모델의 문제점은? | 32%의 오류율을 보였다.[3] 하지만 이처럼 망이 깊어지게 되면 파라미터 수가 늘어나게 되고 학습시간과 메모리 사용량에 많은 영향을 미치게 되므로, 모델의 망 내 연결을 줄이고 세부 행렬 연산은 최대한 밀집하게 구성할 필요가 있다. 본 논문에서는 객체 분류에서 6. | |
PersonNet이 사람을 인식하는 방법은 무엇인가 | 한 쌍의 보행자 이미지를 비교, 유사성을 판단해, 높은 유사 점수를 받은 쌍은 동일인으로 판단하고 그렇지 않으면 서로 다른 사람으로 판단한다. PersonNet은 CNN 계층을 이용해 두 이미지에서 특징점을 뽑아내어 이를 비교하는 방식을 사용한다. CNN 계층을 이용한 VGG[3]모델의 경우 3x3 컨볼루션 레이어를 16~19개를 쌓아 구성하였고 객체 분류에서 7. |
G. Koch, R. Zemel, and R. Salakhutdinov, "Siamese neural networks for one-shot image recognition," A thesis for the degree of Master of Science, University of Toronto, 2015.
L. Wu, C. Shen, and A. v. d. Hengel, "Personnet: Person reidentification with deep convolutional neural networks.," arXiv preprint arXiv:1601.07255, [Online]. Available: https://arxiv.org/abs/1601.07255, 2016
K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition", arXiv preprint arXiv:1409.1556, [Online]. Available: https://arxiv.org/abs/1409.1556, 2014.
C. Szegedy, W. Liu, Y. Jia, P. sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke and A. Rabinovich, "Going deeper with convolutions," Proceedings of the IEEE conference on computer vision and pattern recognition, pp.1-9, 2015.
E. Ahmed, M. Jones, and T. K. Marks, "An Improved Deep Learning Architecture for Person Re-Identification," Proceedings of the IEEE conference on computer vision and pattern recognition. pp.3908-3916, 2015. DOI: 10.1109/CVPR.2015.7299016
S. Wu, Y. C. Chen, X. Li, A. C. Wu, J. J. You and W. S. Zheng, "An Enhanced Deep Feature Representation for Person Re-identification," 2016 IEEE winter conference on applications of computer vision (WACV). IEEE, pp.1-8, 2016.
L. Zheng, Y. Huang, H. Lu and Y. Yang, "Pose Invariant Embedding for Deep Person Re-Identification," IEEE Transactions on Image Processing, pp.4500-4509, 2019. DOI: 10.1109/TIP.2019.2910414
W. Li, R. Zhao, and X. Wang, "Human reidentification with transferred metric learning," Asian conference on computer vision. Springer, Berlin, Heidelberg, pp.31-44, 2012. DOI: 10.1007/978-3-642-37331-2_3
W. Li, R. Zaho, T. Xiao, and X. Wang, "Deepreid: Deep filter pairing neural network for person re-identification," Proceedings of the IEEE conference on computer vision and pattern recognition. pp.152-159, 2014. DOI: 10.1109/CVPR.2014.27
L. Zheng, L.Shen, L. Tian, S.wang, J. Wang, and Q. Tian, "Scalable person re-identification: A benchmark," Proceedings of the IEEE international conference on computer vision. pp.1116-1124, 2015. DOI: 10.1109/ICCV.2015.133
L. Ma, H. Liu, L. Hu, C. Wang, Q. Sun, "Orientation driven bag of appearances for person re-identification," arXiv preprint arXiv:1605.02464, [Online]. Available: https://arxiv.org/abs/1605.02464, 2016.
D. Baltieri, R. Vezzani, R. Cucchiara, "3DPes: 3D People Dataset for Surveillance and Forensics," Proceedings of the 2011 joint ACM workshop on Human gesture and behavior understanding. ACM, pp.59-64, 2011. DOI: 10.1145/2072572.2072590
S. Ioffe and C. Szegedy, "Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift," arXiv preprint arXiv: 1502.03167, [Online]. Available: https://arxiv.org/abs/1502.03167, 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.