JP2022051683A - 訓練データの生成と再識別に使用するための機械学習モデルの訓練とについての概念 - Google Patents
訓練データの生成と再識別に使用するための機械学習モデルの訓練とについての概念 Download PDFInfo
- Publication number
- JP2022051683A JP2022051683A JP2021135884A JP2021135884A JP2022051683A JP 2022051683 A JP2022051683 A JP 2022051683A JP 2021135884 A JP2021135884 A JP 2021135884A JP 2021135884 A JP2021135884 A JP 2021135884A JP 2022051683 A JP2022051683 A JP 2022051683A
- Authority
- JP
- Japan
- Prior art keywords
- samples
- machine learning
- computer system
- training
- person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Abstract
Description
Ye et al: "Deep Learning for Person Re-identification: A Survey and Outlook" (2020年)
は、対応する訓練方法論と共に、機械学習ベースの再識別システムのための実施例を提供する。
Claims (15)
- 再識別に使用する機械学習モデルを訓練するための訓練データを生成するコンピュータシステム(10)であって、前記コンピュータシステムは処理回路(14)を含み、前記処理回路は、
媒体データを取得することであって、前記媒体データは、人物、動物又は物体を表す複数のサンプルを含む、ことと、
前記媒体データを処理して、同一の人物、動物又は物体を表すサンプルの組を識別することと、
同一の人物、動物又は物体を表すサンプルの前記識別された組に基づいて、前記訓練データを生成することと、
を実行するよう構成される、コンピュータシステム。 - 請求項1に記載のコンピュータシステムにおいて、
各サンプルは、前記サンプル又は前記サンプルによって表される人物、動物又は物体を特徴付ける二次情報に関連付けられ、前記処理回路は、前記それぞれのサンプルに関連付けられた前記二次情報に基づいて、前記同一の人物、動物又は物体を表すサンプルの前記組を識別するように構成される、コンピュータシステム。 - 請求項2に記載のコンピュータシステムにおいて、
前記媒体データが一連の画像サンプルを含む場合、前記二次情報は、前記一連の画像サンプル内の前記それぞれのサンプルの位置を特徴付け、前記同一の人物、動物又は物体を表すサンプルの前記組は、前記一連の画像サンプル内の前記それぞれのサンプルの前記位置に基づいて識別される、コンピュータシステム。 - 請求項2又は3に記載のコンピュータシステムにおいて、
前記媒体データが2つ以上のカメラの媒体データを含む場合、前記二次情報は、前記2つ以上のカメラに関する前記それぞれのサンプルの出所と、前記サンプルの撮像時刻とを特徴付け、前記処理回路は、前記2つ以上のカメラに関する前記サンプルの出所と、前記サンプルの前記撮像時刻とに基づいて、前記同一の人物、動物又は物体を表すサンプルの前記組を識別するように構成される、コンピュータシステム。 - 請求項2乃至4のいずれか一項に記載のコンピュータシステムにおいて、
前記二次情報は、前記媒体データの前記サンプルと共に記録される無線通信識別子についての情報を含み、前記処理回路は、前記それぞれのサンプルと共に記録されている前記無線通信識別子に基づいて、前記同一の人物、動物又は物体を表すサンプルの前記組を識別するように構成される、コンピュータシステム。 - 請求項1に記載のコンピュータシステムにおいて、
前記処理回路は、第1の再識別システムを使用してサンプルの前記組を識別するように構成され、前記訓練データは、第2の再識別システムで使用する機械学習モデルの訓練のために生成される、コンピュータシステム。 - 請求項1乃至6のいずれか一項に記載のコンピュータシステムにおいて、
前記処理回路は、前記複数のサンプルのうちの前記サンプル内の人物、動物又は物体の存在を判定し、前記人物、動物又は物体の存在の判定が失敗した場合に、サンプルを破棄するように構成される、コンピュータシステム。 - 請求項1乃至7のいずれか一項に記載のコンピュータシステムにおいて、
前記処理回路は、前記組の前記サンプルの質を決定するように構成され、前記サンプルの前記質が予め定義された規則に従って不十分な場合に、組からサンプルを削除するように構成される、コンピュータシステム。 - 請求項8に記載のコンピュータシステムにおいて、
前記媒体データは人物を表し、組の前記サンプルの前記質は、前記それぞれのサンプルにおける前記人物の顔の可視性に基づいて決定される、コンピュータシステム。 - 請求項8に記載のコンピュータシステムにおいて、
前記処理回路は、再識別システムを用いて、前記それぞれのサンプルによって表される前記人物、動物又は物体を表す再識別コードを生成するように構成され、組の前記サンプルの前記質は、前記組の前記サンプルにつき生成された前記再識別コードの間の距離に基づく、コンピュータシステム。 - 請求項1乃至10のいずれか一項に記載のコンピュータシステムを含む再識別ベースのアクセス制御システム(100)であって、前記再識別ベースのアクセス制御システムから複数日間にわたって前記複数のサンプルが取得され、前記二次情報は、前記再識別ベースのアクセス制御システムによって提供される人物の識別子についての情報を含み、新たに取得されたサンプルが、前記それぞれの人物を表すサンプルの前記組に追加され、前記コンピュータシステムの前記処理回路は、生成された前記訓練データに基づいて、前記再識別ベースのアクセス制御システムにおける再識別に使用される機械学習モデルを適合させるように構成される、再識別ベースのアクセス制御システム(100)。
- 再識別に使用する機械学習モデルを訓練するための訓練データを生成するコンピュータ実装方法であって、
媒体データを取得(110)することであって、前記媒体データは、人物、動物又は物体を表す複数のサンプルを含む、ことと、
前記媒体データを処理(120)して、同一の人物、動物又は物体を表すサンプルの組を識別することと、
前記同一の人物、動物又は物体を表すサンプルの前記識別された組に基づいて、前記訓練データを生成(130)することと、
を含むコンピュータ実装方法。 - 再識別に使用するための機械学習モデルを訓練するためのコンピュータシステム(20)であって、前記コンピュータシステムは処理回路(24)を含み、前記処理回路は、
前記機械学習モデルを訓練するための訓練データを取得することであって、前記訓練データは、請求項1乃至10のいずれか一項に記載のコンピュータシステムによって生成される、ことと、
前記取得された訓練データを用いて前記機械学習モデルを訓練することであって、前記機械学習モデルは、前記機械学習モデルの入力部で提供される媒体データに基づいて、再識別コードを生成するように訓練される、ことと、
を実行するよう構成される、コンピュータシステム(20)。 - 請求項13に記載のコンピュータシステムにおいて、
前記機械学習モデルは、三つ組損失ベースの訓練を用いて訓練され、組の前記サンプルは、前記三つ組損失ベースの訓練のベースライン及び正の入力として用いられる、コンピュータシステム。 - 再識別に使用する機械学習モデルを訓練するコンピュータ実装方法であって、
前記機械学習モデルを訓練するための訓練データを取得(210)することであって、前記訓練データは、請求項12に記載の訓練データを生成するためのコンピュータ実装方法によって生成される、ことと、
前記取得された訓練データを用いて前記機械学習モデルを訓練(220)することであって、前記機械学習モデルは、前記機械学習モデルの入力部で提供される媒体データに基づいて再識別コードを生成するように訓練される、ことと、
を含む、コンピュータ実装方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20197545.5A EP3971771A1 (en) | 2020-09-22 | 2020-09-22 | A concept for generating training data and training a machine-learning model for use in re-identification |
EP20197545 | 2020-09-22 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022051683A true JP2022051683A (ja) | 2022-04-01 |
JP2022051683A5 JP2022051683A5 (ja) | 2022-11-11 |
JP7186269B2 JP7186269B2 (ja) | 2022-12-08 |
Family
ID=72615637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021135884A Active JP7186269B2 (ja) | 2020-09-22 | 2021-08-23 | 訓練データの生成と同一物判定に使用するための機械学習モデルの訓練とについての概念 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220092348A1 (ja) |
EP (1) | EP3971771A1 (ja) |
JP (1) | JP7186269B2 (ja) |
CN (1) | CN114255475A (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343791A (ja) * | 2005-06-07 | 2006-12-21 | Hitachi Ltd | 顔画像データベース作成方法 |
WO2014155922A1 (ja) * | 2013-03-29 | 2014-10-02 | 日本電気株式会社 | 対象物特定装置、対象物特定方法および対象物特定プログラム |
WO2015037713A1 (ja) * | 2013-09-13 | 2015-03-19 | 日本電気株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2017117139A (ja) * | 2015-12-24 | 2017-06-29 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、制御方法、プログラム |
WO2017163283A1 (ja) * | 2016-03-25 | 2017-09-28 | パナソニックIpマネジメント株式会社 | 監視装置及び監視システム |
WO2017163282A1 (ja) * | 2016-03-25 | 2017-09-28 | パナソニックIpマネジメント株式会社 | 監視装置及び監視システム |
JP2018055607A (ja) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | イベント検知プログラム、イベント検知装置、及びイベント検知方法 |
JP2018055248A (ja) * | 2016-09-27 | 2018-04-05 | ソニー株式会社 | 情報収集システム、電子棚札、電子pop、文字情報表示装置 |
JP2019041261A (ja) * | 2017-08-25 | 2019-03-14 | 株式会社 日立産業制御ソリューションズ | 画像処理システムおよび画像処理システムの設定方法 |
-
2020
- 2020-09-22 EP EP20197545.5A patent/EP3971771A1/en active Pending
-
2021
- 2021-08-23 JP JP2021135884A patent/JP7186269B2/ja active Active
- 2021-08-27 US US17/446,174 patent/US20220092348A1/en active Pending
- 2021-09-22 CN CN202111105139.9A patent/CN114255475A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343791A (ja) * | 2005-06-07 | 2006-12-21 | Hitachi Ltd | 顔画像データベース作成方法 |
WO2014155922A1 (ja) * | 2013-03-29 | 2014-10-02 | 日本電気株式会社 | 対象物特定装置、対象物特定方法および対象物特定プログラム |
WO2015037713A1 (ja) * | 2013-09-13 | 2015-03-19 | 日本電気株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2017117139A (ja) * | 2015-12-24 | 2017-06-29 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、制御方法、プログラム |
WO2017163283A1 (ja) * | 2016-03-25 | 2017-09-28 | パナソニックIpマネジメント株式会社 | 監視装置及び監視システム |
WO2017163282A1 (ja) * | 2016-03-25 | 2017-09-28 | パナソニックIpマネジメント株式会社 | 監視装置及び監視システム |
JP2018055248A (ja) * | 2016-09-27 | 2018-04-05 | ソニー株式会社 | 情報収集システム、電子棚札、電子pop、文字情報表示装置 |
JP2018055607A (ja) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | イベント検知プログラム、イベント検知装置、及びイベント検知方法 |
JP2019041261A (ja) * | 2017-08-25 | 2019-03-14 | 株式会社 日立産業制御ソリューションズ | 画像処理システムおよび画像処理システムの設定方法 |
Non-Patent Citations (2)
Title |
---|
LIANG ZHENG ET AL.: "MARS: A Video Benchmark for Large-Scale PersonRe-Identification", [ONLINE], JPN7022003551, 17 September 2016 (2016-09-17), ISSN: 0004842103 * |
白石卓也: "深層学習入門:画像分類(6)メトリック", [ONLINE], JPN7022003554, 18 November 2019 (2019-11-18), ISSN: 0004842102 * |
Also Published As
Publication number | Publication date |
---|---|
JP7186269B2 (ja) | 2022-12-08 |
EP3971771A1 (en) | 2022-03-23 |
CN114255475A (zh) | 2022-03-29 |
US20220092348A1 (en) | 2022-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135231B (zh) | 动物面部识别方法、装置、计算机设备和存储介质 | |
CN108388876A (zh) | 一种图像识别方法、装置以及相关设备 | |
CN106295313B (zh) | 对象身份管理方法、装置和电子设备 | |
Yang et al. | Facs3d-net: 3d convolution based spatiotemporal representation for action unit detection | |
KR102306658B1 (ko) | 이종 도메인 데이터 간의 변환을 수행하는 gan의 학습 방법 및 장치 | |
CN110321870B (zh) | 一种基于lstm的掌静脉识别方法 | |
JP2017111660A (ja) | 映像パターン学習装置、方法、及びプログラム | |
CN112347964B (zh) | 一种基于图网络的行为检测方法及装置 | |
CN111428666A (zh) | 基于快速人脸检测的智能家庭陪伴机器人系统及方法 | |
Amaro et al. | Evaluation of machine learning techniques for face detection and recognition | |
Saraswat et al. | Anti-spoofing-enabled contactless attendance monitoring system in the COVID-19 pandemic | |
Mar et al. | Cow detection and tracking system utilizing multi-feature tracking algorithm | |
CN113496251A (zh) | 确定用于识别图像中的物体的分类器的装置、识别图像中的物体的装置和相应方法 | |
Reale et al. | Facial action unit analysis through 3d point cloud neural networks | |
JP7186269B2 (ja) | 訓練データの生成と同一物判定に使用するための機械学習モデルの訓練とについての概念 | |
Kadam et al. | Review paper on contactless attendance system based on face recognition | |
JP2022051683A5 (ja) | ||
KR102548970B1 (ko) | 얼굴 표정에 관한 데이터 세트를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
CN109993191B (zh) | 信息处理方法及装置、电子设备及存储介质 | |
Ragesh et al. | Fast R-CNN based Masked Face Recognition for Access Control System | |
Ofor et al. | Face Detection and Expression Recognition Using Fuzzy Rule Interpolation | |
CN116863298B (zh) | 训练、预警发送方法、系统、装置、设备和介质 | |
Lin et al. | Presence detection of surgical tool via densely connected convolutional networks | |
Zee et al. | Comparative Graph Model for Facial Recognition Systems | |
Gunda et al. | A hybrid deep learning based robust framework for cattle identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20221031 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7186269 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |