Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "re-identification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Person re-identification accuracy improvement by training a CNN with the new large joint dataset and re-rank
    Autorzy:
    Bohush, Rykhard
    Ihnatsyeva, Sviatlana
    Ablameyko, Sergey
    Powiązania:
    https://bibliotekanauki.pl/articles/2201263.pdf
    Data publikacji:
    2022
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
    Tematy:
    convolution neural network
    PolReID
    re-identification
    large-scale dataset
    re-rank
    Opis:
    The paper is aimed to improve person re-identification accuracy in distributed video surveillance systems based on constructing a large joint image dataset of people for training convolutional neural networks (CNN). For this aim, an analysis of existing datasets is provided. Then, a new large joint dataset for person re-identification task is constructed that includes the existing public datasets CUHK02, CUHK03, Market, Duke, MSMT17 and PolReID. Testing for re-identification is performed for such frequently cited CNNs as ResNet-50, DenseNet121 and PCB. Re-identification accuracy is evaluated by using the main metrics Rank, mAP and mINP. The use of the new large joint dataset makes it possible to improve Rank1 mAP, mINP on all test sets. Re-ranking is used to further increase the re-identification accuracy. Presented results confirm the effectiveness of the proposed approach.
    Źródło:
    Machine Graphics & Vision; 2022, 31, 1/4; 93--109
    1230-0535
    2720-250X
    Pojawia się w:
    Machine Graphics & Vision
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    High-resolution thermal face dataset for face and expression recognition
    Autorzy:
    Kowalski, M.
    Grudzień, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/221388.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    face database
    biometrics
    thermal face recognition
    infrared
    face re-identification
    Opis:
    Development of facial recognition or expression recognition algorithms requires input data to thoroughly test the performance of algorithms in various conditions. Researchers are developing various methods to face challenges like illumination, pose and expression changes, as well as facial disguises. In this paper, we propose and establish a dataset of thermal facial images, which contains a set of neutral images in various poses as well as a set of facial images with different posed expressions collected with a thermal infrared camera. Since the properties of face in the thermal domain strongly depend on time, in order to show the impact of aging, collection of the dataset has been repeated and a corresponding set of data is provided. The paper describes the measurement methodology and database structure. We present baseline results of processing using state-of-the-art facial descriptors combined with distance metrics for thermal face re-identification. Three selected local descriptors, a histogram of oriented gradients, local binary patterns and local derivative patterns are used for elementary assessment of the database. The dataset offers a wide range of capabilities - from thermal face recognition to thermal expression recognition.
    Źródło:
    Metrology and Measurement Systems; 2018, 25, 2; 403-415
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A strong and efficient baseline for vehicle re-identification using deep triplet embedding
    Autorzy:
    Kumar, Ratnesh
    Weill, Edwin
    Aghdasi, Farzin
    Sriram, Parthasarathy
    Powiązania:
    https://bibliotekanauki.pl/articles/91741.pdf
    Data publikacji:
    2020
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    convolutional neural networks
    re-identification
    triplet networks
    siamese networks
    embedding
    hard data mining
    contrastive loss
    konwolucyjne sieci neuronowe
    sieci triplet
    sieci syjamskie
    osadzanie
    eksploracja danych
    Opis:
    In this paper we tackle the problem of vehicle re-identification in a camera network utilizing triplet embeddings. Re-identification is the problem of matching appearances of objects across different cameras. With the proliferation of surveillance cameras enabling smart and safer cities, there is an ever-increasing need to re-identify vehicles across cameras. Typical challenges arising in smart city scenarios include variations of viewpoints, illumination and self occlusions. Most successful approaches for re-identification involve (deep) learning an embedding space such that the vehicles of same identities are projected closer to one another, compared to the vehicles representing different identities. Popular loss functions for learning an embedding (space) include contrastive or triplet loss. In this paper we provide an extensive evaluation of triplet loss applied to vehicle re-identification and demonstrate that using the recently proposed sampling approaches for mining informative data points outperform most of the existing state-of-the-art approaches for vehicle re-identification. Compared to most existing state-of-the-art approaches, our approach is simpler and more straightforward for training utilizing only identity-level annotations, along with one of the smallest published embedding dimensions for efficient inference. Furthermore in this work we introduce a formal evaluation of a triplet sampling variant (batch sample) into the re-identification literature. In addition to the conference version [24], this submission adds extensive experiments on new released datasets, cross domain evaluations and ablation studies.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 1; 27-45
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Definicja i granice prawnej ochrony prywatności w epoce analityki big data
    The definition and limits of data protection laws in the era of Big Data analytics
    Autorzy:
    Rojszczak, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/693830.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    right to privacy
    personal data
    Big Data
    re-identification
    special categories of data
    prawo do prywatności
    ochrona danych osobowych
    big data
    ponowna identyfikacja
    szczególne kategorie danych
    Opis:
    More than one hundred years after the first definitions of the right to privacy, the content of this right and the limits of its protection are still being discussed and disputed in the doctrine. The protection of human rights tends to define privacy by determining an open list of protected values. At the same time, in data protection law the scope of regulation is determined by terms ‘personal data’ and ‘special categories of data’. The definition of these terms has remained unchanged for over thirty years. The division of vertical and horizontal intrusions in the area of privacy protection in cyberspace is no longer valid. The activities of public authorities and specialized entities such as data brokers have been increasingly complementing one another. Collecting vast amounts of data about hundreds of millions of users may lead to privacy intrusions not only of individuals, but also of entire societies. The purpose of this article is an attempt to determine whether the legal regulations already in force and being implemented, based on the definition of personal data adopted in the pre-Internet era, have the potential to effectively protect against the risks associated with modern data processing techniques such as Big Data. To achieve this goal, the most important features of Big Data are discussed, such as algorithmic knowledge building or incremental effect, and it is also explained how this technology allows legal restrictions related to the processing of different categories of personal data to be bypassed. In the summary, a postulate to develop regulations dedicated to regulating the market for the processing of large data sets is formulated.
    Po ponad stu latach od wprowadzenia pierwszych definicji prawa do prywatności treść tego prawa i tym samym granice jego ochrony są wciąż analizowane i dyskutowane w doktrynie. W systemach ochrony praw człowieka dominuje podejście do definiowania prywatności przez wprowadzanie katalogu chronionych wartości. Jednocześnie w prawie ochrony danych zakres regulacji wyznaczany jest terminami „dane osobowe” i „specjalne kategorie danych”. Definicja tych pojęć jest stosowana w niemal niezmienionej formie od ponad trzydziestu lat. Podział zagrożeń dla prywatności na wertykalne i horyzontalne nie jest aktualny w odniesieniu do zdarzeń zachodzących w cyberprzestrzeni. Działania organów publicznych i wyspecjalizowanych podmiotów, takich jak brokerów  danych, w coraz większym stopniu się uzupełniają. Gromadzenie ogromnej ilości danych na temat setek milionów użytkowników może prowadzić do naruszenia prywatności nie tylko jednostek, lecz także całych społeczeństw. Celem niniejszego artykułu jest próba analizy, czy obowiązujące przepisy prawne bazujące na koncepcjach ukształtowanych w erze przedinternetowej posiadają potencjał do skutecznej ochrony przed zagrożeniami związanymi z nowoczesnymi formami przetwarzania danych, takimi jak big data. W tym celu omówiono najważniejsze cechy big data, takie jak algorytmiczne budowanie wniosków czy efekt przyrostowy, a także wyjaśniono, w jaki sposób technologia ta pozwala na omijanie ograniczeń prawnych związanych z przetwarzaniem różnych kategorii danych osobowych. W podsumowaniu sformułowano postulat opracowania przepisów dotyczących regulacji rynku przetwarzania dużych zbiorów danych.
    Źródło:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny; 2019, 81, 1; 115-128
    0035-9629
    2543-9170
    Pojawia się w:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A short survey on fully-automated people movement and identity detection algorithms
    Analiza algorytmów skorelowanych z detekcją ruchu osób i ich tożsamości
    Autorzy:
    Szymkowski, Maciej
    Przybyszewski, Karol
    Powiązania:
    https://bibliotekanauki.pl/articles/1818442.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    computer Vision
    image processing
    artificial Intelligence
    people movement
    identity detection
    person Re-Identification
    Python programming language
    przetwarzanie obrazów
    sztuczna inteligencja
    detekcja ruchu
    wykrywanie tożsamości
    język programowania Python
    Opis:
    Nowadays, diversified companies use security systems based on cameras to increase safety of their enterprise. However, when the camera observes multiple people, it is hard for humans to directly observe each of them. In the literature, there are multiple computer vision-based approaches that automatically detect person identity and the way he is moving. Moreover, there are approaches that identify people across multiple cameras (reidentification). It is crucial, especially in the crowded places. By these algorithms we can detect people whose behavior is strange. Diversified approaches can be easily found in the literature and online-available repositories. The work, presented in this paper, can be divided into three main parts: literature review, selected algorithms implementation and results comparison. We have to claim that each solution was implemented in Python programming language with sufficient libraries. This technology was selected due to its efficiency and simplicity. Results of the conducted experiments have shown that it is clearly possible to detect people’s movement and observe their identities even in crowded places.
    Współcześnie w wielu miejscach publicznych oraz obszarach zajmowanych przez zróżnicowane firmy możemy zauważy systemy bezpieczeństwa bazujące na kamerach. Jednakże bardzo ciężko jest pojedynczemu operatorowi obserwować każdą osobę która pojawi się na obrazie. W tym celu powstały algorytmy bazujące na metodyce Computer Vision, które mają na celu wykrycie nie tylko trasy poruszania się każdej osoby ale również ocenę jej tożsamości. Co więcej tego typu rozwiązania mogą być bardzo przydatne w zatłoczonych miejscach, gdzie niezwykle ważne jest wykrycie niestandardowego zachowania poszczególnych osób. W literaturze oraz bazach dostępnych online możemy znaleźć zróżnicowane podejścia do rzeczonego problemu. W ramach naszej pracy porównujemy kilka z nich. Każde z wybranych rozwiązań zostało zaimplementowane przy użyciu języka Python i bibliotek dostępnych w ramach rzeczonego języka. To środowisko zostało wybrane ze względu na jego wydajność oraz prostotę pisania kodu. Wyniki, które uzyskaliśmy wskazują na to, że aktualnie istniejące solucje mogą być używane do obserwacji trasy poszczególnych osób nawet w zatłoczonych miejscach.
    Źródło:
    Advances in Computer Science Research; 2021, 15; 1--14
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies