記念すべきQiita初投稿です リサーチインターンでPerson Re-Identificationというタスク(後述)についてサーベイをすることになりました。 さっと眺めてみたところ案の定ここ数年で深層学習モデルが火を吹き、Market-1501やDukeMTMC-reIDやMARSなどメジャーなデータセットにおいてSoTAをバチバチと競っていました。 研究はサーベイしないと何していいか全く分からないので、こと激流の真っ只中にある機械学習界隈においては最新の研究を大量にサーベイすればするほど幸せになれると思います。 そんな時にちょうどいい(?)のがCVPR2019ですね(?) 「person」で検索して出てきた掲載論文を上から順に、時間の許す限り1人粛々とまとめていきます。 (下書き開始から約1ヶ月後に追記)一応全て目を通し掲載できました。 なお目的としては現状把握が強めのため、さらっと
複数カメラで人物の追跡ができると、ちょっとPerson Re-Identificationの威力を感じます。 1 はじめに CX事業本部の平内(SIN)です。 人物や、顔の画像から特徴を出力し、その類似性で人物の追跡が可能です。 下記は、それぞれ、人物の画像と顔の画像で試してみたのです。 今回は、複数のカメラから撮影された映像で人物の追跡を試してみました。 最初に試してみた様子です。 動画は、EPFLのComputer Vision LaboratoryにあるMulti-camera pedestrians videoから利用させて頂きました。 2 モデル 仕組みとしては、下記の2つのモデルが使用されています。 人物検出モデル person-detection-retail-0013 個人識別モデル person-reidentification-retail-0270 モデル及び、その適
1 はじめに CX事業本部の平内(SIN)です。 機械学習で画像から人物を検出する事が可能ですが、検出された人物が、フレーム間で一致できれば、追跡やカウントも可能なります。 OpenVINO™ toolkitの紹介ビデオでは、ショッピングモールで、人物の追跡を行うデモが公開されています。 Pedestrian Tracking Demo | OpenVINO™ toolkit | Ep. 23 | Intel Software 今回は、上記(C++)を参考にさせて頂いて、Pythonで人物の追跡をやってみました。 最初に動作確認している様子です。まだまだですが・・・ 動画は、Pixels Videosを利用させて頂きました。 2 しくみ 人物の追跡は、2つのモデルを組み合わせることで動作しています。 人物検出モデル 個人識別モデル 人物検出モデルで、人を検出しその部分を切り出します。 続い
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く