مقاله ترجمه شده بازشناسی هویت فردی از طریق یادگیری منظم و هموار شده متریک KISS

بازشناسی هویت فردی از طریق یادگیری منظم و هموار شده متریک KISS

چکیده :

طی سال های اخیر همگام با پیشرفت سریع نظارت تصویری هوشمند (IVS)، بازشناسی هویت فردی که هنوز هم به عنوان چالشی مشکل ساز و غیرقابل اجتناب قلمداد می شود، توجه بسیاری را به خود جلب نموده است که باید دلیل آن را پیشرفت های شایان توجه ظرفیت کامپیوتری و نیز نقش مهم رویه بازشناسی هویت فردی در سیستم های نظارت تصویری عنوان نمود. به اختصار می توان گفت که بازشناسی هویت فردی با هدف یافتن دوباره فردی صورت می گیرد که به دفعات در دوربین های مختلف دیده شده است. گزارش های مرتبط گویای آن است که یادگیری متریک KISS به حد اعلای روند اجرایی بازشناسی هویت فردی در گروه داده های VIPeR دست یافته است. البته با فرض اندازه کوچک دسته آموزشی، تخمین میزان عکس یک ماتریس کوواریانس از ثبات کافی برخوردار نبوده و از این رو امکان دارد که روند اجرایی ضعیفی حاصل شود. در این مقاله درصدد ارائه یادگیری منظم و هموارکننده متریک KISS به طریق تلفیق یکپارچه فنون هموارسازی و منظم سازی برای تخمین موثق متریک های کوواریانس می باشیم. لازم به ذکر است که RS-KISS از آن رو نسبت به KISS ارجحیت دارد که قادر به بسط مقادیر ویژه خرد و در حال تخمین و نیز کاهش مقادیر ویژه کلان و بیش تخمین شده ماتریس کوواریانس پیش بینی شده به روشی موثر است. با ارائه داده های بیشتر، امکان معرفی یک مدل با استحکام بالاتر توسط RS-KISS وجود دارد. چون بازآموزی RS-KISS بر روی تمامی نمونه های موجود به یک روش مستقیم زمانبر بوده، از این رو اقدام به معرفی یادگیری فزاینده در RS-KISS نموده ایم. در واقع آزمایش های متعددی را بطور کامل روی دسته داده های VIPeR انجام داده و تصدیق نمودیم که: 1) RS-KISS بطور کامل تمامی نتایج موجود را برای بازشناسی فردی تحت الشعاع قرار می دهد و 2) RS-KISS فزاینده از عملکرد بهینه در حد RS-KISS برخوردار بوده ولی موجب کاهش چشمگیر هزینه های محاسباتی می شود.

تعداد صفحات ترجمه شده :17

تعداد صفحات انگلیسی:11

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها