論文の概要: Robust Partial Matching for Person Search in the Wild

• arxiv url: http://arxiv.org/abs/2004.09329v1
• Date: Mon, 20 Apr 2020 14:21:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 18:45:53.684437
• Title: Robust Partial Matching for Person Search in the Wild
• Title（参考訳）: 野生における人物探索のためのロバスト部分マッチング
• Authors: Yingji Zhong, Xiaoyu Wang, Shiliang Zhang
• Abstract要約: 本稿では、人物検出と再同定のためのAPNet(Align-to-Part Network)を提案する。 APNetは、推定された全体体領域をカバーする境界ボックスを検出する。 CUHK-SYSUやPRWといった既存の人物検索ベンチマーク上での競合性能を実現している。
• 参考スコア（独自算出の注目度）: 70.6661871706788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various factors like occlusions, backgrounds, etc., would lead to misaligned detected bounding boxes , e.g., ones covering only portions of human body. This issue is common but overlooked by previous person search works. To alleviate this issue, this paper proposes an Align-to-Part Network (APNet) for person detection and re-Identification (reID). APNet refines detected bounding boxes to cover the estimated holistic body regions, from which discriminative part features can be extracted and aligned. Aligned part features naturally formulate reID as a partial feature matching procedure, where valid part features are selected for similarity computation, while part features on occluded or noisy regions are discarded. This design enhances the robustness of person search to real-world challenges with marginal computation overhead. This paper also contributes a Large-Scale dataset for Person Search in the wild (LSPS), which is by far the largest and the most challenging dataset for person search. Experiments show that APNet brings considerable performance improvement on LSPS. Meanwhile, it achieves competitive performance on existing person search benchmarks like CUHK-SYSU and PRW.
• Abstract（参考訳）: 咬合、背景などの様々な要因は、人体の一部だけをカバーするような、検出された境界ボックスのミスアライメントにつながる。 この問題はよく見られるが、以前の人物検索では見過ごされている。 そこで本研究では,人物検出と再同定のためのAPNet(Align-to-Part Network)を提案する。 APNetは、推定された全体体領域をカバーする境界ボックスを洗練し、そこから識別部分の特徴を抽出してアライメントすることができる。 アライメント部は、類似性計算のために有効な部分特徴を選択する部分的特徴マッチング手順として自然にreidを定式化し、オクルード領域またはノイズ領域の一部特徴を破棄する。 この設計により、人探索の堅牢性は限界計算オーバーヘッドを伴う現実世界の課題に向上する。 本稿は,人検索における最大かつ最も困難なデータセットである,野生の人探索のための大規模データセット (LSPS) にも貢献する。 実験によると、APNetはLSPSに大幅な性能改善をもたらす。 一方、CUHK-SYSUやPRWといった既存の人物検索ベンチマークでは、競合するパフォーマンスを実現している。

関連論文リスト

• 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)
• LEAPS: End-to-End One-Step Person Search With Learnable Proposals [50.39493100627476]
  LEAPSという学習可能な提案を用いたエンドツーエンドのワンステップ人物探索手法を提案する。 スパースと学習可能な提案のセットが与えられた後、LEAPSは動的人物検索ヘッドを使用して、非最大抑圧後処理なしで直接人物検出および対応するre-id特徴生成を行う。
  論文  参考訳（メタデータ） (2023-03-21T13:59:32Z)
• Dynamic Feature Pruning and Consolidation for Occluded Person Re-Identification [21.006680330530852]
  本研究では, 明示的な人間の構造解析を回避するために, 機能解析・統合(FPC)フレームワークを提案する。 フレームワークは主にスパースエンコーダ、マルチビュー機能mathcingモジュール、フィーチャーコンソリデーションデコーダで構成されている。 提案手法は,Occluded-Dukeデータセットにおいて,少なくとも8.6% mAPと6.0% Rank-1の精度で最新結果より優れる。
  論文  参考訳（メタデータ） (2022-11-27T06:18:40Z)
• Generalizing Few-Shot NAS with Gradient Matching [165.5690495295074]
  One-Shotメソッドは、1つのスーパーネットをトレーニングし、ウェイトシェアリングを通じて検索空間内の全てのアーキテクチャのパフォーマンスを近似する。 Few-Shot NASは、One-Shotスーパーネットを複数のサブスーパーネットに分割することで、ウェイトシェアリングのレベルを下げる。 Few-Shotよりも優れており、派生したアーキテクチャの精度という点では、従来の同等の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2022-03-29T03:06:16Z)
• Weakly Supervised Person Search with Region Siamese Networks [65.76237418040071]
  教師付き学習は人検索において支配的であるが、境界ボックスとアイデンティティの詳細なラベル付けが必要である。 私たちは、バウンディングボックスアノテーションのみが利用できる弱い教師付き設定を提示します。 我々のモデルはCUHK-SYSUベンチマークで87.1%のランク1と86.0%のmAPを達成している。
  論文  参考訳（メタデータ） (2021-09-13T16:33:27Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
  個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。 本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。 そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
  論文  参考訳（メタデータ） (2021-04-09T02:40:01Z)
• Sequential End-to-end Network for Efficient Person Search [7.3658840620058115]
  人物検出と人物再識別(re-ID)を共同で解決することを目的とした人物探索 既存の研究は、Faster R-CNNに基づくエンドツーエンドネットワークを設計している。 優れた特徴を抽出するためのシーケンシャルエンドツーエンドネットワーク(SeqNet)を提案する。
  論文  参考訳（メタデータ） (2021-03-18T10:28:24Z)
• Selective Convolutional Network: An Efficient Object Detector with Ignoring Background [28.591619763438054]
  Selective Convolutional Network (SCN) と呼ばれる効率的なオブジェクト検出器を導入し、意味のある情報を含む場所のみを選択的に計算する。 そこで本稿では,ネットワークの次を導くためのオーバーヘッドを無視できるような,精巧な構造を設計する。
  論文  参考訳（メタデータ） (2020-02-04T10:07:01Z)

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。