論文の概要: COCAS: A Large-Scale Clothes Changing Person Dataset for
Re-identification
- arxiv url: http://arxiv.org/abs/2005.07862v1
- Date: Sat, 16 May 2020 03:50:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 13:34:13.796017
- Title: COCAS: A Large-Scale Clothes Changing Person Dataset for
Re-identification
- Title（参考訳）: COCAS: 個人データを再識別する大規模衣服
- Authors: Shijie Yu and Shihua Li and Dapeng Chen and Rui Zhao and Junjie Yan
and Yu Qiao
- Abstract要約: ClOthes Ch Anging Person Set (COCAS) という新しい大規模再識別子・ベンチマークを構築した。
COCASには5,266人の身体像が62,382枚含まれている。
そこでは,服のテンプレートと,別の衣服を撮影する人物画像の両方を含む,着替え問題に対する新たな人物再識別子設定を提案する。
- 参考スコア（独自算出の注目度）: 88.79807574669294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed great progress in person re-identification
(re-id). Several academic benchmarks such as Market1501, CUHK03 and DukeMTMC
play important roles to promote the re-id research. To our best knowledge, all
the existing benchmarks assume the same person will have the same clothes.
While in real-world scenarios, it is very often for a person to change clothes.
To address the clothes changing person re-id problem, we construct a novel
large-scale re-id benchmark named ClOthes ChAnging Person Set (COCAS), which
provides multiple images of the same identity with different clothes. COCAS
totally contains 62,382 body images from 5,266 persons. Based on COCAS, we
introduce a new person re-id setting for clothes changing problem, where the
query includes both a clothes template and a person image taking another
clothes. Moreover, we propose a two-branch network named Biometric-Clothes
Network (BC-Net) which can effectively integrate biometric and clothes feature
for re-id under our setting. Experiments show that it is feasible for clothes
changing re-id with clothes templates.
- Abstract（参考訳）: 近年、人身認証(re-id)が大幅に進歩している。
Market1501、CUHK03、DukeMTMCなどの学術ベンチマークは、再識別子研究を促進するために重要な役割を果たしている。
私たちの知る限り、既存のベンチマークでは、同じ人が同じ服を着ると仮定しています。
現実のシナリオでは、人が服を変えることは非常にまれです。
衣服変更者の再識別子問題に対処するため, ClOthes ChAnging Person Set (COCAS) という新しい大規模再IDベンチマークを構築し, 異なる衣服で同一人物の複数の画像を提供する。
COCASには5,266人の身体像が62,382枚含まれている。
COCASに基づき,服の着替え問題に対処する新たな人体設定を導入し,着物テンプレートと別の着物を取る人体画像の両方を問合せする。
さらに,バイオメトリック・クロース・ネットワーク (bc-net) という2分岐ネットワークを提案する。
実験の結果,衣料テンプレートによる衣料変更は可能であった。
関連論文リスト
- Clothes-Changing Person Re-identification with RGB Modality Only [102.44387094119165]
衣料無関係な特徴を元のRGB画像から抽出するために,CAL(Corthes-based Adrial Loss)を提案する。
ビデオには、よりリッチな外観と、適切な時間的パターンをモデル化するために使用できる追加の時間的情報が含まれている。
論文 参考訳（メタデータ） (2022-04-14T11:38:28Z) - Unsupervised Long-Term Person Re-Identification with Clothes Change [46.54514001691254]
服装変化を伴う非監督的人物再識別(Re-ID)について検討した。
既存のre-idメソッドの多くは、すべての人の服が空間と時間にわたって静止していると人工的に仮定している。
本稿では,教師なしクラスタリング基準を適応的に制御できる新しいCPC手法を提案する。
論文 参考訳（メタデータ） (2022-02-07T11:55:23Z) - Unsupervised clothing change adaptive person ReID [14.777001614779806]
我々は、教師なしの衣服変更者ReID問題を解決するために、新しい教師なしモデルSync-Person-Cloud ReIDを設計する。
同期強化とは、同一人物のリソースを供給することであり、同一人物の特徴制限により、そのリソースを部分的監督入力として使用することができる。
論文 参考訳（メタデータ） (2021-09-08T15:08:10Z) - Apparel-invariant Feature Learning for Apparel-changed Person
Re-identification [70.16040194572406]
ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。
ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。
着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
論文 参考訳（メタデータ） (2020-08-14T03:49:14Z) - Long-Term Cloth-Changing Person Re-identification [154.57752691285046]
人物再識別(Re-ID)は、異なる場所や時間におけるカメラビュー間で対象人物をマッチングすることを目的としている。
既存のRe-ID研究は、ある人が同じ服装で異なるカメラビューに再び現れる、短期的な布一貫した環境に焦点を当てている。
本研究は,例えば,何日,何ヶ月にもわたって,長期にまたがって人とのマッチングを行う,はるかに困難かつ実践的な環境に焦点をあてる。
論文 参考訳（メタデータ） (2020-05-26T11:27:21Z) - Person Re-identification by Contour Sketch under Moderate Clothing
Change [95.83034113646657]
異なるカメラビューにまたがる歩行者画像のマッチングプロセスである人物再認識は、視覚的監視において重要な課題である。
この作品では、衣服の下でのリメイドを「クロス・クロス・パーソン・リメイド」と呼ぶ。
クロス・クローズ・パーソナリティのための大規模なデータセットが欠如しているため、221のアイデンティティから33698の画像からなる新しいデータセットをコントリビュートする。
論文 参考訳（メタデータ） (2020-02-06T15:13:55Z)
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。