論文の概要: Adaptive Deep Metric Embeddings for Person Re-Identification under Occlusions

• arxiv url: http://arxiv.org/abs/2002.02603v1
• Date: Fri, 7 Feb 2020 03:18:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 04:54:39.283910
• Title: Adaptive Deep Metric Embeddings for Person Re-Identification under Occlusions
• Title（参考訳）: 咬合下の人物再同定のための適応的深度埋め込み
• Authors: Wanxiang Yang, Yan Yan, Si Chen
• Abstract要約: 本稿では,地域間の空間的依存関係を学習し,Long Short-Term Memory (LSTM) に基づく歩行者画像の識別特徴表現を抽出する新しい人物ReID法を提案する。 提案した損失により、ディープニューラルネットワークは、識別的メートル法埋め込みを適応的に学習することができ、未確認の人物の識別能力を大幅に向上する。
• 参考スコア（独自算出の注目度）: 17.911512103472727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person re-identification (ReID) under occlusions is a challenging problem in video surveillance. Most of existing person ReID methods take advantage of local features to deal with occlusions. However, these methods usually independently extract features from the local regions of an image without considering the relationship among different local regions. In this paper, we propose a novel person ReID method, which learns the spatial dependencies between the local regions and extracts the discriminative feature representation of the pedestrian image based on Long Short-Term Memory (LSTM), dealing with the problem of occlusions. In particular, we propose a novel loss (termed the adaptive nearest neighbor loss) based on the classification uncertainty to effectively reduce intra-class variations while enlarging inter-class differences within the adaptive neighborhood of the sample. The proposed loss enables the deep neural network to adaptively learn discriminative metric embeddings, which significantly improve the generalization capability of recognizing unseen person identities. Extensive comparative evaluations on challenging person ReID datasets demonstrate the significantly improved performance of the proposed method compared with several state-of-the-art methods.
• Abstract（参考訳）: 隠蔽下での人物識別(ReID)は、ビデオ監視において難しい問題である。 既存の人物ReIDメソッドのほとんどは、隠蔽を扱うためにローカル機能を利用する。 しかし、これらの手法は通常、異なる地域間の関係を考慮せずに、画像の局所領域から特徴を独立に抽出する。 本稿では,局所領域間の空間的依存性を学習し,長期短期記憶(lstm)に基づく歩行者画像の識別的特徴表現を抽出し,咬合問題に対処する新しいパーソンリード法を提案する。 特に,標本の適応近傍におけるクラス間差異を増大させながら,クラス内変動を効果的に低減するための分類の不確実性に基づく新しい損失(適応最近傍損失と呼ぶ)を提案する。 提案した損失により、ディープニューラルネットワークは識別的メートル法埋め込みを適応的に学習することができ、未確認の人物識別の一般化能力を大幅に向上する。 挑戦型reidデータセットの広範な比較評価の結果,提案手法の性能は,いくつかの最先端手法と比較して有意に向上した。

関連論文リスト

• Part-Attention Based Model Make Occluded Person Re-Identification Stronger [1.7648680700685022]
  PAB-ReIDは,問題に効果的に対処するための部分認識機構を組み込んだ新しいReIDモデルである。 まず、より正確な人的部分注意マップの生成を導くために、人間のパーシングラベルを導入する。 また、背景干渉を抑えつつ、きめ細かい人間の局所的特徴表現を生成するための細粒度特徴焦点器を提案する。
  論文  参考訳（メタデータ） (2024-04-04T13:43:11Z)
• Region Generation and Assessment Network for Occluded Person Re-Identification [43.49129366128688]
  個人再識別(ReID)は近年,幅広い応用分野において,より重要な役割を担っている。 ほとんどの手法は、ボディ部分の特定やマッチング戦略の活用に外部ツールを活用することで、このような課題に対処する。 人体領域を効果的かつ効率的に検出する領域生成評価ネットワーク(RGANet)を提案する。
  論文  参考訳（メタデータ） (2023-09-07T08:41:47Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Holistic Guidance for Occluded Person Re-Identification [7.662745552551165]
  実世界のビデオ監視アプリケーションでは、人物の再識別(ReID)は、閉塞や検出エラーの影響に悩まされる。 個人識別ラベルにのみ依存するHG(Holistic Guidance)手法を提案する。 提案手法は, 包括的(非包括的)標本と, 包括的(非包括的)標本の包括的(包括的)な距離(DCD)分布を一致させることにより, この問題に対処する。 これに加えて、共同生成-識別的バックボーンは、デノナイジングオートエンコーダで訓練され、システムが制御される。
  論文  参考訳（メタデータ） (2021-04-13T21:50:29Z)
• Cross-Domain Similarity Learning for Face Recognition in Unseen Domains [90.35908506994365]
  本研究では,cdt(cross-domain triplet, クロスドメイントリプレット)の損失を推測する新しいクロスドメインメトリック学習損失法を提案する。 CDT損失は、一つのドメインからコンパクトな特徴クラスタを強制することによって意味論的に意味のある特徴の学習を促進する。 本手法では,トレーニング中,注意深いハードペアサンプルマイニングおよびフィルタリング戦略は必要としない。
  論文  参考訳（メタデータ） (2021-03-12T19:48:01Z)
• Seeking the Shape of Sound: An Adaptive Framework for Learning Voice-Face Association [94.7030305679589]
  上記の課題を共同で解決するための新しい枠組みを提案します。 我々はモダリティアライメントプロセスにグローバル損失を導入する。 提案メソッドは、複数の設定で以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2021-03-12T14:10:48Z)
• Fully Unsupervised Person Re-identification viaSelective Contrastive Learning [58.5284246878277]
  人物再識別(ReID)は、様々なカメラが捉えた画像の中から同一人物を検索することを目的としている。 教師なし特徴学習のための新しい選択型コントラスト学習フレームワークを提案する。 その結果,教師なしのReIDにおける手法の優位性について,最先端技術と比較した。
  論文  参考訳（メタデータ） (2020-10-15T09:09:23Z)
• Receptive Multi-granularity Representation for Person Re-Identification [46.99913453669368]
  本稿では,ストライプに基づく特徴学習を容易にするために,受動的多粒性学習手法を提案する。 2分岐ネットワークアーキテクチャにより、識別的アイデンティティ表現のスケールが異なることが分かる。 本手法は, Market-1501 ベンチマークにおいて96.2%@Rank-1 または 90.0%@mAP の最先端精度を実現する。
  論文  参考訳（メタデータ） (2020-08-31T09:26:08Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。