Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://elib.psu.by/handle/123456789/33689
Название: Choice of Activation Function in Convolutional Neural Networks for Person Re-Identification in Video Surveillance Systems
Авторы: Chen, H.
Ihnatsyeva, S.
Bohush, R.
Ablameyko, S.
Дата публикации: 2022
Издатель: Springer
Библиографическое описание: Chen, H., Ihnatsyeva, S., Bohush, R. et al. Choice of Activation Function in Convolutional Neural Networks for Person Re-Identification in Video Surveillance Systems. Program Comput Soft 48, 312–321 (2022). https://doi.org/10.1134/S0361768822050036
Аннотация: In this paper, we improve the accuracy of person re-identification in images obtained from distributed video surveillance systems by choosing activation functions for convolutional neural networks. The most popular activation functions used for object detection, namely, ReLU, Leaky-ReLU, PReLU, RReLU, ELU, SELU, GELU, Swish, and Mish, are analyzed based on the following metrics: Rank1, Rank5, Rank10, mAP, and training time. For feature extraction, ResNet-50, DenseNet-121, and DarkNet-53 architectures are employed. The experimental study is carried out on open datasets Market1501 and PolReID. The accuracy of person re-identification is assessed after thrice-repeated training and testing with different activation functions, neural network architectures, and datasets by averaging the values of the selected metrics.
URI (Унифицированный идентификатор ресурса): https://elib.psu.by/handle/123456789/33689
DOI: 10.1134/S0361768822050036
Располагается в коллекциях:Публикации в Scopus и Web of Science
Машинное обучение. Обработкой изображений и видео. Интеллектуальные системы. Информационная безопасность

Файлы этого ресурса:
Файл Описание РазмерФормат 
312–321.pdf140.02 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.