نقد و بررسی
- بیت کامپیوتر /
- مقاله ترجمه شده Computer IT /
- مقاله ترجمه شده Machine Learning /
- مقاله بازشناسی هویت فردی از طریق یادگیری منظم و هموار شده متریک KISS
مقاله بازشناسی هویت فردی از طریق یادگیری منظم و هموار شده متریک KISSPerson Re-Identification by Regularized Smoothing KISS Metric Learning
0
(0)
در انبار موجود نمی باشد
مقاله بازشناسی هویت فردی از طریق یادگیری منظم و هموار شده متریک KISSPerson Re-Identification by Regularized Smoothing KISS Metric Learning
0
(0)
0دیدگاه کاربران
ژورنال | IEEE |
---|---|
سال انتشار | 2013 |
صفحات فارسی | 10 تا 20 |
صفحات انگلیسی | 10 تا 20 |
With the rapid development of the intelligent video surveillance (IVS), person re-identification, which is a difficult yet unavoidable problem in video surveillance, has received increasing attention in recent years. That is because computer capacity has shown remarkable progress and the task of person re-identification plays a critical role in video surveillance systems. In short, person re-identification aims to find an individual again that has been observed over different cameras. It has been reported that KISS metric learning has obtained the state of the art performance for person re-identification on the VIPeR dataset [39]. However, given a small size training set, the estimation to the inverse of a covariance matrix is not stable and thus the resulting performance can be poor. In this paper, we present regularized smoothing KISS metric learning (RSKISS) by seamlessly integrating smoothing and regularization techniques for robustly estimating covariance matrices. RS-KISS is superior to KISS, because RS-KISS can enlarge the underestimated small eigenvalues and can reduce the overestimated large eigenvalues of the estimated covariance matrix in an effective way. By providing additional data, we can obtain a more robust model by RS-KISS. However, retraining RS-KISS on all the available examples in a straightforward way is time consuming, so we introduce incremental learning to RS-KISS. We thoroughly conduct experiments on the VIPeR dataset and verify that 1) RS-KISS completely beats all available results for person reidentification and 2) incremental RS-KISS performs as well as RS-KISS but reduces the computational cost significantly.
ژورنال | IEEE |
---|---|
سال انتشار | 2013 |
صفحات فارسی | 10 تا 20 |
صفحات انگلیسی | 10 تا 20 |
دیدگاه خود را در باره این کالا بیان کنید
افزودن دیدگاه
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.
هیچ پرسش و پاسخی ثبت نشده است.
پرسش خود را درباره این کالا بیان کنید
ثبت پرسش
انصراف
ثبت پرسش
محصولات مرتبط
-
ناموجود
مقاله افزایش امنیت خدمات ذخیره سازی در رایانش ابری
25,000 تومان -
ناموجود
مقاله کاربرد سرویسهای وب در پشتیبانی از تبادل ارتباطات بین سیستمهای اطلاعات سلامت و سیستمهای CDS
25,000 تومان -
ناموجود
مقاله بررسی تکنیک های Document Clustering و مقایسه LDA و moVMF
20,000 تومان -
ناموجود
مقاله تاثیر الگوریتم جدید استخراج ویژگی بر دسته بندی صفحات وب
20,000 تومان -
ناموجود
مقاله سبکهای تکامل: اصول و مدلهای تکامل معماری نرم افزار
50,000 تومان -
ناموجود
مقاله بررسی تأثیر تعداد رقبا بر جنبه های اقتصادی در مدل GRA_B
25,000 تومان -
ناموجود
مقاله ممیزی موثر شخص ثالث در رایانش ابری
25,000 تومان -
ناموجود
مقاله روش مبتنی بر فیلتر کالمن برای یادگیری ماشین حدی متوالی آنلاین برای مسائل رگرسیون
25,000 تومان -
ناموجود
مقاله کاربرد نظریههای مجموعهی فازی در ارزیابی عملکرد دانشجویان
28,000 تومان -
ناموجود
مقاله رتبه بندی آزمون نرم افزار: یک تغییر نمونه در محاسبات دسته ای برای صدورگواهی نرم افزار
28,000 تومان
0دیدگاه کاربران