論文の概要: End-to-End Domain Adaptive Attention Network for Cross-Domain Person Re-Identification

• arxiv url: http://arxiv.org/abs/2005.03222v1
• Date: Thu, 7 May 2020 03:17:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 23:34:10.426375
• Title: End-to-End Domain Adaptive Attention Network for Cross-Domain Person Re-Identification
• Title（参考訳）: エンド・ツー・エンドのドメイン適応型注意ネットワーク
• Authors: Amena Khatun, Simon Denman, Sridha Sridharan and Clinton Fookes
• Abstract要約: 本稿では,ドメイン間の画像の同時変換と識別的再識別子特徴の学習を目的とした,エンドツーエンドのドメイン適応型アダプティブアテンションネットワークを提案する。 人物の同一性に影響を与えることなく、ソースからターゲットドメインへの画像翻訳のためのアテンションモジュールを導入する。 提案したジョイントラーニングネットワークは,いくつかのベンチマークデータセット上での最先端手法よりも大幅な性能向上を実現している。
• 参考スコア（独自算出の注目度）: 43.335020352127366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person re-identification (re-ID) remains challenging in a real-world scenario, as it requires a trained network to generalise to totally unseen target data in the presence of variations across domains. Recently, generative adversarial models have been widely adopted to enhance the diversity of training data. These approaches, however, often fail to generalise to other domains, as existing generative person re-identification models have a disconnect between the generative component and the discriminative feature learning stage. To address the on-going challenges regarding model generalisation, we propose an end-to-end domain adaptive attention network to jointly translate images between domains and learn discriminative re-id features in a single framework. To address the domain gap challenge, we introduce an attention module for image translation from source to target domains without affecting the identity of a person. More specifically, attention is directed to the background instead of the entire image of the person, ensuring identifying characteristics of the subject are preserved. The proposed joint learning network results in a significant performance improvement over state-of-the-art methods on several benchmark datasets.
• Abstract（参考訳）: 個人の再識別(re-ID)は、ドメイン間のバリエーションが存在する場合、ターゲットデータを完全に見えないように一般化するために訓練されたネットワークを必要とするため、現実のシナリオでは依然として困難である。 近年, 訓練データの多様性を高めるために, 生成型adversarialモデルが広く採用されている。 しかし、これらのアプローチは、既存の生成型人物再同定モデルが生成型要素と識別的特徴学習段階の間にあるため、他の領域への一般化に失敗することが多い。 モデル一般化に関する現在進行中の課題に対処するために,ドメイン間の画像の翻訳と識別的re-id特徴の学習を行うエンドツーエンドのドメイン適応型アテンションネットワークを提案する。 ドメインギャップ問題に対処するため,我々は,人物のアイデンティティに影響を与えることなく,ソースからターゲットドメインへの画像変換のためのアテンションモジュールを提案する。 より具体的には、被写体の全体像ではなく背景に注意を向け、被写体の識別特性を確実に保存する。 提案したジョイントラーニングネットワークは,いくつかのベンチマークデータセット上での最先端手法よりも大幅な性能向上を実現している。

関連論文リスト

• 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)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Generalizable Person Re-identification with Relevance-aware Mixture of Experts [45.13716166680772]
  我々はRaMoE(Relevance-Aware Mixed of Expert)と呼ばれる新しい手法を提案する。 RaMoEは、効率的な投票に基づく混合メカニズムを使用して、モデル一般化を改善するために、ソースドメインの様々な特性を動的に活用する。 対象ドメインの学習時の視認性を考慮し,新たな学習学習アルゴリズムと関係アライメント損失を組み合わせることで,投票ネットワークを更新する手法を提案する。
  論文  参考訳（メタデータ） (2021-05-19T14:19:34Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Multi-Domain Adversarial Feature Generalization for Person Re-Identification [52.835955258959785]
  マルチデータセット特徴一般化ネットワーク(MMFA-AAE)を提案する。 複数のラベル付きデータセットから普遍的なドメイン不変の特徴表現を学習し、それを見えないカメラシステムに一般化することができる。 また、最先端の教師付き手法や教師なしのドメイン適応手法を大きなマージンで超えている。
  論文  参考訳（メタデータ） (2020-11-25T08:03:15Z)
• Towards Adaptive Semantic Segmentation by Progressive Feature Refinement [16.40758125170239]
  セグメンテーションネットワークの転送可能性を高めるために,ドメイン逆学習とともに,革新的なプログレッシブな特徴改善フレームワークを提案する。 その結果、ソース・ドメイン・イメージで訓練されたセグメンテーション・モデルは、大幅な性能劣化を伴わずにターゲット・ドメインに転送できる。
  論文  参考訳（メタデータ） (2020-09-30T04:17:48Z)
• Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification [10.667492516216887]
  本稿では、教師付き人物ReIDのドメイン適応問題に対処するため、新しい非教師付き非教師付き逆境生成ネットワーク(UD-GAN)を提案する。 我々のフレームワークは、識別アノテーションを用いて、ソースラベル付きドメインにおける識別的特徴抽出のためのReIDネットワークを共同で訓練する。 その結果、ReID機能は、教師なしドメイン内の人物のアイデンティティをよりよく含みます。
  論文  参考訳（メタデータ） (2020-07-30T16:07:05Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)
• Learning to adapt class-specific features across domains for semantic segmentation [36.36210909649728]
  本論文では,クラス情報毎に考慮し,ドメイン間の特徴を適応させることを学習する新しいアーキテクチャを提案する。 我々は最近導入されたStarGANアーキテクチャを画像翻訳のバックボーンとして採用している。
  論文  参考訳（メタデータ） (2020-01-22T23:51:30Z)

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。