論文の概要: STADB: A Self-Thresholding Attention Guided ADB Network for Person Re-identification

• arxiv url: http://arxiv.org/abs/2007.03584v3
• Date: Thu, 19 Aug 2021 01:09:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 20:09:27.033383
• Title: STADB: A Self-Thresholding Attention Guided ADB Network for Person Re-identification
• Title（参考訳）: STADB: 個人再識別のための自己認識型ADBネットワーク
• Authors: Bo Jiang, Sheng Wang, Xiao Wang, Aihua Zheng
• Abstract要約: 本稿では,個人用自己保持型アダプティブドロップブロックネットワーク(STADB)を提案する。 いくつかのベンチマークデータセットの実験では、提案されたSTADBは、人物のリIDに関する他の多くの関連手法よりも優れていることが示されている。
• 参考スコア（独自算出の注目度）: 16.518660840353498
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Batch DropBlock network (BDB) has demonstrated its effectiveness on person image representation and re-identification task via feature erasing. However, BDB drops the features \textbf{randomly} which may lead to sub-optimal results. In this paper, we propose a novel Self-Thresholding attention guided Adaptive DropBlock network (STADB) for person re-ID which can \textbf{adaptively} erase the most discriminative regions. Specifically, STADB first obtains an attention map by channel-wise pooling and returns a drop mask by thresholding the attention map. Then, the input features and self-thresholding attention guided drop mask are multiplied to generate the dropped feature maps. In addition, STADB utilizes the spatial and channel attention to learn a better feature map and iteratively trains the feature dropping module for person re-ID. Experiments on several benchmark datasets demonstrate that the proposed STADB outperforms many other related methods for person re-ID. The source code of this paper is released at: \textcolor{red}{\url{https://github.com/wangxiao5791509/STADB_ReID}}.
• Abstract（参考訳）: 近年,バッチドロップブロックネットワーク(bdb)は,人物画像表現と再識別タスクにおいて,特徴消去による効果を実証している。 しかし、BDBは、サブ最適結果につながる可能性のある機能 \textbf{randomly} をドロップする。 本稿では,最も識別性の高い領域を消去できる自己保持型注意誘導型適応ドロップブロックネットワーク(stadb)を提案する。 具体的には、STADBはまずチャネルワイドプーリングによりアテンションマップを取得し、アテンションマップを閾値付けしてドロップマスクを返す。 そして、入力特徴と自己保持注意誘導ドロップマスクを乗じて、ドロップした特徴マップを生成する。 さらに、STADBは、空間的およびチャネル的注意を利用して、より良い特徴マップを学習し、人事再IDのための特徴降下モジュールを反復的に訓練する。 いくつかのベンチマークデータセットの実験では、提案されたSTADBは、人物のリIDに関する他の多くの関連手法よりも優れていることが示されている。 この論文のソースコードは以下の通りである。 \textcolor{red}{\url{https://github.com/wangxiao5791509/STADB_ReID}}。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Improving Fine-Grained Visual Recognition in Low Data Regimes via Self-Boosting Attention Mechanism [27.628260249895973]
  SAM(Self-boosting attention mechanism)は、ネットワークを正規化して、サンプルやクラス間で共有されるキー領域に集中するための新しい手法である。 我々はSAMを用いて、二線形プール方式で畳み込みマップをプールするために複数の注意マップを作成する変種を開発する。
  論文  参考訳（メタデータ） (2022-08-01T05:36:27Z)
• Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
  既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。 2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。 この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
  論文  参考訳（メタデータ） (2022-07-19T03:31:13Z)
• Generalizable Person Re-Identification via Self-Supervised Batch Norm Test-Time Adaption [63.7424680360004]
  Batch Norm Test-time Adaption (BNTA)は、BNパラメータを適応的に更新するための自己教師型戦略を適用する、新しいre-idフレームワークである。 BNTAは、推論前にラベル付けされていないターゲットデータ内のドメイン認識情報を探索し、BNによって正規化された特徴分布を変調してターゲットドメインに適応させる。
  論文  参考訳（メタデータ） (2022-03-01T18:46:32Z)
• Learning Instance-level Spatial-Temporal Patterns for Person Re-identification [80.43222559182072]
  本稿では,Re-IDの精度を向上させるために,新しいインスタンスレベルおよび時空間ディスタングル型Re-ID法を提案する。 提案フレームワークでは,移動方向などのパーソナライズされた情報を探索空間をさらに狭めるため,明示的に検討している。 提案手法は市場1501で90.8%,DukeMTMC-reIDで89.1%,ベースライン82.2%,72.7%から改善した。
  論文  参考訳（メタデータ） (2021-07-31T07:44:47Z)
• Unsupervised Pre-training for Person Re-identification [90.98552221699508]
  大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。 学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
  論文  参考訳（メタデータ） (2020-12-07T14:48:26Z)
• Incomplete Descriptor Mining with Elastic Loss for Person Re-Identification [27.91394641954924]
  我々は、新しい人物Re-IDモデル、Consecutive Batch DropBlock Network (CBDB-Net)を提案する。 CBDB-Net には Consecutive Batch DropBlock Module (CBDBM) と Elastic Loss (EL) という2つの新しい設計が含まれている。
  論文  参考訳（メタデータ） (2020-08-10T10:29:15Z)
• Hierarchical Bi-Directional Feature Perception Network for Person Re-Identification [12.259747100939078]
  過去の人物再同定(Re-ID)モデルは、画像の最も識別性の高い領域に焦点を当てることを目的としている。 本稿では,階層型双方向特徴知覚ネットワーク (HBFP-Net) という新しいモデルを提案する。 Market-1501, CUHK03, DukeMTMC-ReIDデータセットなどの主要な評価実験により, 提案手法が最近のSOTA Re-IDモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-08T12:33:32Z)
• Attribute-aware Identity-hard Triplet Loss for Video-based Person Re-identification [51.110453988705395]
  ビデオベースの人物識別(Re-ID)は重要なコンピュータビジョンタスクである。 属性認識型ID-hard Triplet Loss (AITL) と呼ばれる新しいメトリクス学習手法を提案する。 ビデオベースのRe-IDの完全なモデルを実現するために,Attribute-driven Spatio-Temporal Attention (ASTA) 機構を備えたマルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-13T09:15:38Z)
• Diversity-Achieving Slow-DropBlock Network for Person Re-Identification [11.907116133358022]
  マルチブランチネットワークアーキテクチャを使用した人物再識別(Re-ID)の大きな課題は、IDラベル付きデータセットから多様な特徴を学習することだ。 BDB(Batch DropBlock)ネットワークは近年,グローバルブランチと機能ドロップブランチの多様性を実現するために提案されている。 提案手法は, Market-1501, DukeMTMC-reID, CUHK03 などの人気人物 Re-ID データセットに対して,BDB よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-09T08:05:39Z)

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。