Показати скорочену інформацію

Розробка методу повторної ідентифікації людини

dc.contributor.authorКириленко, О. М.uk
dc.contributor.authorKyrylenko, O.en
dc.date.accessioned2022-06-23T10:47:20Z
dc.date.available2022-06-23T10:47:20Z
dc.date.issued2021
dc.identifier.citationКириленко О. Розробка методу повторної ідентифікації людини [Текст] / О. Кириленко // Оптоелектронні інформаційно-енеретичні технології. – 2021. – № 1. – С. 25-32.uk
dc.identifier.issn2311-2662
dc.identifier.issn1681-7893
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/35508
dc.description.abstractЗроблено огляд нейромережевої архітектури OSNet з метою навчання власних моделі повторної ідентифікації людини. Також було розглянуто структуру нейронної мережі. Досліджено існуючі набори даних для навчання моделей. Здійснено навчання моделей за допомогою PyTorch. Отримані власні моделі було перевірено на валідаційних наборах даних Market-1501 та DukeMTMC-reID. Представлено результати навчання нейромережевих моделей. Отримані результати порівняно з існуючими аналогами.uk
dc.description.abstractThe review of OSNet neural network architecture is made for the purpose of training of own models of re-identification of the person. The structure of the neural network was also considered. Existing data sets for model training are investigated. Models were trained using PyTorch. The obtained own models were tested on the validation databases Market-1501 and DukeMTMC-reID. The results of learning neural network models are presented. The results are obtained in comparison with existing analogues.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofОптоелектронні інформаційно-енеретичні технології. № 1 : 25-32.uk
dc.relation.urihttps://oeipt.vntu.edu.ua/index.php/oeipt/article/view/588
dc.subjectглибоке навчанняuk
dc.subjectповторна ідентифікація людиниuk
dc.subjectOSNeten
dc.subjectPyTorchen
dc.subjectMarket-1501en
dc.subjectDukeMTMC-reIDen
dc.subjectdeep learningen
dc.subjecthuman re-identificationen
dc.titleРозробка методу повторної ідентифікації людиниuk
dc.title.alternativeDevelopment of a method of re-identification of a personen
dc.typeArticle
dc.relation.referencesO. Kyrylenko, R. Maslii, and Y. Marushchak «Analysis of methods of person reidentification in multi camera environment», Norwegian Journal of development of the International Science, №47, pp. 46-48, 2020.en
dc.relation.referencesO. Kyrylenko, R. Kvyetnyy and R. Maslii, "Research of human attributes for the problem of re-identification", Information Technology and Computer Engineering, vol. 49, issue 3, p. 4–13, 2020.en
dc.relation.referencesH. Yu and W. Zheng "Weakly supervised discriminative feature learning with state information for person identification" Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition (CVPR) 2020.en
dc.relation.referencesK. Zhou, Yo. Yang, A. Cavallaro, Tao Xiang “Omni-Scale Feature Learning for Person Re-Identification”, Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2019, pp. 3702-3712.en
dc.relation.referencesK. Zhou, Yo. Yang, A. Cavallaro, Tao Xiang “Learning Generalisable Omni-Scale Representations for Person Re-Identification”, Proceedings of the IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021.en
dc.relation.referencesL. Zheng L. Shen L. Tian S. Wang J. Wang and Q. Tian "Scalable person re-identification: A benchmark" Proc. IEEE Int. Conf. Comput. Vis. pp. 1116-1124 Jun. 2015.en
dc.relation.referencesWei Li, Rui Zhao, Tong Xiao, and Xiaogang Wang. Deepreid: Deep filter pairing neural network for person reidentification. In CVPR, 2014.en
dc.relation.referencesErgys Ristani, Francesco Solera, Roger Zou, Rita Cucchiara, and Carlo Tomasi. Performance measures and a data set for multi-target, multi-camera tracking. In ECCVW, 2016.en
dc.relation.referencesEvaluation Metrics. Cumulative Matching Characteristics. [Electronic resource] – Access mode: https://cysu.github.io/open-reid/notes/evaluation_metrics.htmlen
dc.relation.referencesО. Bubenshchikov, E. Lepa. "The use of convolutional neural networks to identify a person" Bulletin of the Kherson National Technical University, №1 (68), 2019, p. 136-142.en
dc.relation.referencesWu, S.; Gao, L. Multi-Level Joint Feature Learning for Person Re-Identification. Algorithms 2020, 13, 111. https://doi.org/10.3390/a13050111en
dc.relation.referencesK. Zhou and T. Xiang "Torchreid: A Library for Deep Learning Person Re-Identification in Pytorch".en
dc.relation.referencesZijun Zhang et al. Normalized direction-preserving Adam. arXiv:1709.04546v2, 2017en
dc.relation.referencesThe Softmax function and its derivative. [Electronic resource] – Access mode: https://eli.thegreenplace.net/2016/the-softmax-function-and-its-derivative/en
dc.relation.referencesZ. Zhedong, N. Zheng and Yi Yang. "Parameter-efficient person re-identification in the 3d space." arXiv preprint arXiv:2006.04569, 2020.en
dc.identifier.doihttps://doi.org/10.31649/1681-7893-2021-41-1-25-32


Файли в цьому документі

Thumbnail
Ім'я:
588-Article Text-649-1-10-2022 ...
Розмір:
655.1Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію