論文の概要: Rethinking of Pedestrian Attribute Recognition: Realistic Datasets with
Efficient Method
- arxiv url: http://arxiv.org/abs/2005.11909v2
- Date: Tue, 26 May 2020 01:13:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 06:04:17.300815
- Title: Rethinking of Pedestrian Attribute Recognition: Realistic Datasets with
Efficient Method
- Title(参考訳): 歩行者属性認識の再考:効率的な手法による現実的データセット
- Authors: Jian Jia, Houjing Huang, Wenjie Yang, Xiaotang Chen, Kaiqi Huang
- Abstract要約: 列車セットとテストセットにおける同一の歩行者アイデンティティの画像は、非常によく似ており、既存のデータセット上での最先端メソッドの過大評価パフォーマンスにつながっている。
PETAtextsubscript$zs$とRAPv2textsubscript$zs$の2つの現実的なデータセットを提案する。
提案手法は, PETA, RAPv2, PETAtextsubscript$zs$, RAPv2textsubscript$zs$における最先端性能を実現する。
- 参考スコア(独自算出の注目度): 39.867773623939435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite various methods are proposed to make progress in pedestrian attribute
recognition, a crucial problem on existing datasets is often neglected, namely,
a large number of identical pedestrian identities in train and test set, which
is not consistent with practical application. Thus, images of the same
pedestrian identity in train set and test set are extremely similar, leading to
overestimated performance of state-of-the-art methods on existing datasets. To
address this problem, we propose two realistic datasets
PETA\textsubscript{$zs$} and RAPv2\textsubscript{$zs$} following zero-shot
setting of pedestrian identities based on PETA and RAPv2 datasets. Furthermore,
compared to our strong baseline method, we have observed that recent
state-of-the-art methods can not make performance improvement on PETA, RAPv2,
PETA\textsubscript{$zs$} and RAPv2\textsubscript{$zs$}. Thus, through solving
the inherent attribute imbalance in pedestrian attribute recognition, an
efficient method is proposed to further improve the performance. Experiments on
existing and proposed datasets verify the superiority of our method by
achieving state-of-the-art performance.
- Abstract(参考訳): 歩行者属性認識の進展には様々な方法が提案されているが、既存のデータセットにおいて重要な問題は無視されることが多い。
したがって、列車とテストセットにおける同じ歩行者のアイデンティティのイメージは極めて類似しており、既存のデータセットにおける最先端のメソッドのパフォーマンスを過大評価している。
この問題に対処するために、PETAとRAPv2のデータセットに基づく歩行者識別のゼロショット設定に続いて、2つの現実的データセット PETA\textsubscript{$zs$} と RAPv2\textsubscript{$zs$} を提案する。
さらに、我々の強いベースライン法と比較して、最近の最先端の手法では、APA, RAPv2, PETA\textsubscript{$zs$} および RAPv2\textsubscript{$zs$} の性能改善ができない。
そこで,歩行者属性認識における特性不均衡を解消し,性能向上のための効率的な手法を提案する。
既存および提案したデータセットの実験は、最先端の性能を達成することによって、我々の手法の優位性を検証する。
関連論文リスト
- Exploring Learning Complexity for Downstream Data Pruning [9.526877053855998]
本稿では,学習複雑性(LC)を分類・回帰タスクのスコアリング機能として扱うことを提案する。
大規模言語モデルの微調整を行うため,本手法は安定収束による最先端性能を実現する。
論文 参考訳(メタデータ) (2024-02-08T02:29:33Z) - Efficient Grammatical Error Correction Via Multi-Task Training and
Optimized Training Schedule [55.08778142798106]
原文と修正文のアライメントを利用する補助タスクを提案する。
我々は,各タスクをシーケンス・ツー・シーケンス問題として定式化し,マルチタスク・トレーニングを行う。
トレーニングに使用されるデータセットの順序や、データセット内の個々のインスタンスでさえ、最終的なパフォーマンスに重要な影響を与える可能性があることが分かりました。
論文 参考訳(メタデータ) (2023-11-20T14:50:12Z) - Fast Classification with Sequential Feature Selection in Test Phase [1.1470070927586016]
本稿では,分類のための能動的特徴獲得のための新しいアプローチを提案する。
最適な予測性能を達成するために、最も情報性の高い機能のサブセットを順次選択する作業である。
提案手法では,既存の手法に比べてはるかに高速で効率の良い新しい遅延モデルが提案されている。
論文 参考訳(メタデータ) (2023-06-25T21:31:46Z) - Towards Mitigating Spurious Correlations in the Wild: A Benchmark and a
more Realistic Dataset [46.82577457368719]
ディープニューラルネットワークは、しばしばクラスラベルと急激な相関を持つ非予測的特徴を利用する。
急激な相関を修復する最近の研究が増えているにもかかわらず、標準化されたベンチマークの欠如は再現可能な評価を妨げている。
本稿では,PythonパッケージであるSpuCoについて述べる。
論文 参考訳(メタデータ) (2023-06-21T00:59:06Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based
Action Recognition [88.34182299496074]
アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。
我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。
時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
論文 参考訳(メタデータ) (2022-07-17T07:05:39Z) - Rethinking of Pedestrian Attribute Recognition: A Reliable Evaluation
under Zero-Shot Pedestrian Identity Setting [48.347987541336146]
我々は、歩行者属性認識の状況を分析し、後退する時が来たと論じている。
我々は、歩行者属性認識を他の類似タスクと正式に定義し、区別する。
歩行者属性認識の進捗を測定するために,既存の4つのデータセットと2つの提案データセットを用いて実験を行った。
論文 参考訳(メタデータ) (2021-07-08T03:12:24Z) - Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。
半教師付き長尾認識という新しい認識設定を提案する。
2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
論文 参考訳(メタデータ) (2021-05-01T00:43:38Z)
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。