論文の概要: Weakly supervised discriminative feature learning with state information for person identification

• arxiv url: http://arxiv.org/abs/2002.11939v1
• Date: Thu, 27 Feb 2020 06:33:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 08:49:27.689466
• Title: Weakly supervised discriminative feature learning with state information for person identification
• Title（参考訳）: 個人識別のための状態情報を用いた弱教師付き識別特徴学習
• Authors: Hong-Xing Yu, Wei-Shi Zheng
• Abstract要約: 我々は、異なる状態による視覚的不一致に対処するために、状態情報を弱い監督力として活用することを提案する。 教師なしの人物の再識別とポーズ不変の顔認識におけるモデルの評価を行った。
• 参考スコア（独自算出の注目度）: 97.24720743767197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised learning of identity-discriminative visual feature is appealing in real-world tasks where manual labelling is costly. However, the images of an identity can be visually discrepant when images are taken under different states, e.g. different camera views and poses. This visual discrepancy leads to great difficulty in unsupervised discriminative learning. Fortunately, in real-world tasks we could often know the states without human annotation, e.g. we can easily have the camera view labels in person re-identification and facial pose labels in face recognition. In this work we propose utilizing the state information as weak supervision to address the visual discrepancy caused by different states. We formulate a simple pseudo label model and utilize the state information in an attempt to refine the assigned pseudo labels by the weakly supervised decision boundary rectification and weakly supervised feature drift regularization. We evaluate our model on unsupervised person re-identification and pose-invariant face recognition. Despite the simplicity of our method, it could outperform the state-of-the-art results on Duke-reID, MultiPIE and CFP datasets with a standard ResNet-50 backbone. We also find our model could perform comparably with the standard supervised fine-tuning results on the three datasets. Code is available at https://github.com/KovenYu/state-information
• Abstract（参考訳）: 手動ラベリングが高価である実世界のタスクにおいて,識別識別視覚特徴の教師なし学習が注目されている。 しかし、例えば、異なるカメラビューやポーズなど、異なる状態下で撮影された場合、アイデンティティの画像は視覚的に切り離すことができる。 この視覚的な相違は、教師なしの差別学習において大きな困難をもたらす。 幸いなことに、現実世界のタスクでは、人間のアノテーションなしでは、しばしば状態を知ることができる。例えば、人物再識別でカメラビューラベル、顔認識で顔のポーズラベルを付けることができる。 本研究では,異なる状態による視覚的相違に対処するために,状態情報を弱い監督力として活用することを提案する。 簡単な擬似ラベルモデルを定式化し,提案する擬似ラベルを弱教師付き決定境界修正と弱教師付き特徴ドリフト正規化により洗練するために,状態情報を利用する。 我々は,教師なし人物再同定とポーズ不変顔認識に関するモデルを評価する。 我々の手法の単純さにもかかわらず、Duke-reID、MultiPIE、CFPデータセットの最先端結果を標準のResNet-50バックボーンで上回ります。 また、3つのデータセットの標準教師付き微調整結果と相容れない結果が得られた。 コードはhttps://github.com/KovenYu/state-informationで入手できる。

関連論文リスト

• Disentangled Representations for Short-Term and Long-Term Person Re-Identification [33.76874948187976]
  アイデンティティシャッフルGAN(Identity shuffle GAN:IS-GAN)と呼ばれる新たな生成対向ネットワークを提案する。 それは、アイデンティティシャッフル技術によって、個人画像からアイデンティティ関連および非関連の特徴を解き放つ。 実験により,IS-GANの有効性が検証され,標準reIDベンチマークにおける最先端性能が示された。
  論文  参考訳（メタデータ） (2024-09-09T02:09:49Z)
• Pose-Aware Self-Supervised Learning with Viewpoint Trajectory Regularization [40.5076868823241]
  本稿では,視点軌跡から得られた隣接画像三重項の新たなデータセットを提案する。 同じ視覚的特徴に対して意味分類とポーズ推定の精度をベンチマークする。 本実験は,オブジェクトの同一性を符号化した視覚表現の開発に有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-22T06:04:11Z)
• Body Part-Based Representation Learning for Occluded Person Re-Identification [102.27216744301356]
  隠蔽人物再識別(ReID)とは,隠蔽人物画像と包括的人物画像とのマッチングを目的とした人物検索タスクである。 パートベースの手法は、微細な情報を提供し、部分的に見える人間の体を表現するのに適しているため、有益であることが示されている。 本稿では,BPBreIDという身体部分に基づくReIDモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-07T16:48:41Z)
• CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person Search [54.106662998673514]
  本稿では,コンテキストガイドとアンペア支援(CGUA)を弱教師付き人物検索フレームワークとして導入する。 具体的には、クラスタリングプロセスにおけるコンテキスト情報を活用する新しいコンテキストガイドクラスタ(CGC)アルゴリズムを提案する。 本手法は,より多様なラベル付きデータを活用することにより,最先端の教師付き手法に匹敵する,あるいは優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-03-27T13:57:30Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• 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)
• Learning Person Re-identification Models from Videos with Weak Supervision [53.53606308822736]
  本稿では、監督の弱いビデオから人物再識別モデルを学ぶ問題について紹介する。 このようなビデオレベルラベルを用いた人物再識別のための多段階注意学習フレームワークを提案する。 注意重みは、ビデオ中の人物追跡レットではなく、すべての人物画像に基づいて得られるため、学習したモデルはノイズの多いアノテーションの影響を受けにくくなる。
  論文  参考訳（メタデータ） (2020-07-21T07:23:32Z)

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。