論文の概要: AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identification

• arxiv url: http://arxiv.org/abs/2004.08787v2
• Date: Thu, 23 Apr 2020 09:50:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:23:29.435211
• Title: AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identification
• Title（参考訳）: AD-Cluster: ドメイン適応型人物再識別のための識別クラスタリング
• Authors: Yunpeng Zhai (1), Shijian Lu (2), Qixiang Ye (3,5), Xuebo Shan (1), Jie Chen (1,5), Rongrong Ji (4,5) and Yonghong Tian (1,5) ((1) Peking University, (2) Nanyang Technological University, (3) University of Chinese Academy of Sciences, (4) Xiamen University, (5) Peng Cheng Laboratory)
• Abstract要約: 本稿では,対象ドメイン内の個人クラスタを推定・拡張する,新たな識別クラスタリング手法を提案する。 AD-Clusterは、反復密度に基づくクラスタリング、適応的なサンプル拡張、識別的特徴学習によって訓練されている。 Market-1501 と DukeMTMC-reID による実験では、AD-Cluster は最先端の最先端を大きなマージンで上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Domain adaptive person re-identification (re-ID) is a challenging task, especially when person identities in target domains are unknown. Existing methods attempt to address this challenge by transferring image styles or aligning feature distributions across domains, whereas the rich unlabeled samples in target domains are not sufficiently exploited. This paper presents a novel augmented discriminative clustering (AD-Cluster) technique that estimates and augments person clusters in target domains and enforces the discrimination ability of re-ID models with the augmented clusters. AD-Cluster is trained by iterative density-based clustering, adaptive sample augmentation, and discriminative feature learning. It learns an image generator and a feature encoder which aim to maximize the intra-cluster diversity in the sample space and minimize the intra-cluster distance in the feature space in an adversarial min-max manner. Finally, AD-Cluster increases the diversity of sample clusters and improves the discrimination capability of re-ID models greatly. Extensive experiments over Market-1501 and DukeMTMC-reID show that AD-Cluster outperforms the state-of-the-art with large margins.
• Abstract（参考訳）: ドメイン適応型人物再識別(re-ID)は、特に対象ドメインの人物の身元が不明な場合に難しい課題である。 既存の手法では、画像スタイルの転送やドメイン間の特徴分布の整合化によってこの問題に対処しようとするが、対象ドメインの豊富なラベル付きサンプルは十分に活用されていない。 本稿では、対象ドメイン内の人物クラスタを推定・拡張し、拡張クラスタを用いた再IDモデルの識別能力を強制する新しい拡張識別クラスタリング(AD-Cluster)手法を提案する。 AD-Clusterは反復密度に基づくクラスタリング、適応型サンプル拡張、識別的特徴学習によって訓練されている。 サンプル空間内のクラスタ内多様性を最大化することを目的としたイメージジェネレータとフィーチャーエンコーダを学習し、反対のmin-max方法で特徴空間内のクラスタ内距離を最小化する。 最後に、AD-Clusterはサンプルクラスタの多様性を高め、re-IDモデルの識別能力を大幅に向上させる。 Market-1501 と DukeMTMC-reID の広範な実験により、AD-Cluster は最先端の最先端を大きなマージンで上回ることを示した。

関連論文リスト

• Unsupervised Domain Adaptation via Distilled Discriminative Clustering [45.39542287480395]
  対象データの識別クラスタリングとしてドメイン適応問題を再検討する。 本稿では,ラベル付き情報源データよりも並列に教師付き学習目標を用いて,ネットワークを協調的に訓練することを提案する。 5つの人気のあるベンチマークデータセットに対して、慎重にアブレーション研究と広範な実験を行う。
  論文  参考訳（メタデータ） (2023-02-23T13:03:48Z)
• Deep face recognition with clustering based domain adaptation [57.29464116557734]
  そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。 本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
  論文  参考訳（メタデータ） (2022-05-27T12:29:11Z)
• Deep clustering with fusion autoencoder [0.0]
  ディープクラスタリング(DC)モデルは、オートエンコーダを利用して、結果としてクラスタリングプロセスを促進する固有の特徴を学ぶ。 本稿では、この問題に対処するための新しいDC法を提案し、特に、生成逆数ネットワークとVAEを融合オートエンコーダ(FAE)と呼ばれる新しいオートエンコーダに結合する。
  論文  参考訳（メタデータ） (2022-01-11T07:38:03Z)
• Multi-Centroid Representation Network for Domain Adaptive Person Re-ID [44.15222928084943]
  本稿では,クラスタ内の異なるID情報を適応的にキャプチャする新しいマルチセンタロイドメモリ(MCM)を提案する。 MCMは、問合せ画像に対して適切な正負のセントロイドを選択することにより、ラベルノイズの問題を効果的に軽減することができる。 また、コントラスト学習プロセスを改善するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-22T06:40:21Z)
• Uncertainty-aware Clustering for Unsupervised Domain Adaptive Object Re-identification [123.75412386783904]
  最先端のオブジェクトRe-IDアプローチでは、クラスタリングアルゴリズムを採用して、ラベルのないターゲットドメインの擬似ラベルを生成する。 UDAタスクのための不確実性対応クラスタリングフレームワーク(UCF)を提案する。 我々のUCF法は、オブジェクトRe-IDのための複数のUDAタスクにおける最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2021-08-22T09:57:14Z)
• Image Clustering using an Augmented Generative Adversarial Network and Information Maximization [9.614694312155798]
  本稿では,GAN (Modified Generative Adversarial Network) と補助分類器からなるディープクラスタリングフレームワークを提案する。 提案手法は, CIFAR-10 と CIFAR-100 のクラスタリング手法を著しく上回り, STL10 と MNIST のデータセットと競合する。
  論文  参考訳（メタデータ） (2020-11-08T22:20:33Z)
• Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification [64.37745443119942]
  本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。 3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-07-21T14:31:27Z)
• Exploring Category-Agnostic Clusters for Open-Set Domain Adaptation [138.29273453811945]
  本稿では、カテゴリ非依存クラスタ(SE-CC)を対象ドメインのカテゴリ非依存クラスタと組み合わせた、新たなアーキテクチャを提案する。 クラスタリングは、対象ドメイン特有の基盤となるデータ空間構造を明らかにするカテゴリ非依存クラスタを得るために、ラベルなしのターゲットサンプルすべてにわたって実行される。
  論文  参考訳（メタデータ） (2020-06-11T16:19:02Z)
• Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID [55.21702895051287]
  ドメイン適応オブジェクトre-IDは、学習した知識をラベル付けされたソースドメインからラベル付けされていないターゲットドメインに転送することを目的としています。 本稿では,ハイブリットメモリを用いた自己評価型コントラスト学習フレームワークを提案する。 提案手法は,オブジェクトre-IDの複数のドメイン適応タスクにおいて,最先端の処理性能を向上する。
  論文  参考訳（メタデータ） (2020-06-04T09:12:44Z)
• 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。