Fugu-MT 論文翻訳(概要): Adaptive L2 Regularization in Person Re-Identification

論文の概要: Adaptive L2 Regularization in Person Re-Identification

arxiv url: http://arxiv.org/abs/2007.07875v2
Date: Sun, 18 Oct 2020 15:26:19 GMT
ステータス: 処理完了
システム内更新日: 2022-11-10 06:12:48.654432
Title: Adaptive L2 Regularization in Person Re-Identification
Title（参考訳）: 人物再同定における適応L2正規化
Authors: Xingyang Ni, Liang Fang, Heikki Huttunen
Abstract要約: 人物再識別の設定に適応的なL2正規化機構を導入する。 Market-1501、DukeMTMC-reID、MSMT17データセットの実験により、我々のフレームワークの有効性が検証された。
参考スコア（独自算出の注目度）: 0.9195729979000402
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce an adaptive L2 regularization mechanism in the setting of person re-identification. In the literature, it is common practice to utilize hand-picked regularization factors which remain constant throughout the training procedure. Unlike existing approaches, the regularization factors in our proposed method are updated adaptively through backpropagation. This is achieved by incorporating trainable scalar variables as the regularization factors, which are further fed into a scaled hard sigmoid function. Extensive experiments on the Market-1501, DukeMTMC-reID and MSMT17 datasets validate the effectiveness of our framework. Most notably, we obtain state-of-the-art performance on MSMT17, which is the largest dataset for person re-identification. Source code is publicly available at https://github.com/nixingyang/AdaptiveL2Regularization.
Abstract（参考訳）: 人物再識別の設定に適応的なL2正規化機構を導入する。文献では, 訓練過程を通して一定に保たれる手摘み正則化因子を利用するのが一般的である。既存の手法とは異なり,提案手法の正規化因子はバックプロパゲーションにより適応的に更新される。これはトレーニング可能なスカラー変数を正規化係数として組み込むことで実現され、さらにスケールド・ハード・シグモイド関数に供給される。 market-1501、dukemtmc-reidおよびmsmt17データセットに関する広範な実験は、我々のフレームワークの有効性を検証する。中でも注目に値するのは,MSMT17における人物再識別のための最大のデータセットである最先端の性能である。ソースコードはhttps://github.com/nixingyang/AdaptiveL2Regularizationで公開されている。

関連論文リスト

Locally Adaptive One-Class Classifier Fusion with Dynamic $\ell$p-Norm Constraints for Robust Anomaly Detection [17.93058599783703]
局所的なデータ特性に基づいて,融合重みを動的に調整するフレームワークを提案する。本手法は,計算効率を大幅に向上させる内部点最適化手法を取り入れたものである。計算効率を維持しながらローカルなデータパターンに適応できるフレームワークの能力は、リアルタイムアプリケーションに特に有用である。
論文参考訳（メタデータ） (2024-11-10T09:57:13Z)
Distribution Aligned Semantics Adaption for Lifelong Person Re-Identification [43.32960398077722]
Re-IDシステムは、空間と時間の変化に適応する必要がある。 LReID(Lifelong person Re-IDentification)メソッドは、古いドメインからの例証の再生と、古いモデルでロジットに知識蒸留を適用することに依存している。多様な歩行者画像に基づいて大規模に訓練されたRe-IDモデルは、堅牢で一般的な人間の意味知識を得ることができると論じる。
論文参考訳（メタデータ） (2024-05-30T05:15:38Z)
DAPE: Data-Adaptive Positional Encoding for Length Extrapolation [60.18239094672938]
位置符号化はトランスにおいて重要な役割を担い、モデル性能と一般化長に大きな影響を及ぼす。本研究では,訓練された長さと長さの一般化の観点からモデル性能を向上させるDAPE法を提案する。提案手法は, 他の静的位置符号化法と比較して, シーケンス長128でモデルをトレーニングし, 評価シーケンス長8192で性能を向上する。
論文参考訳（メタデータ） (2024-05-23T15:51:24Z)
DCID: Deep Canonical Information Decomposition [84.59396326810085]
本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
論文参考訳（メタデータ） (2023-06-27T16:59:06Z)
TAAL: Test-time Augmentation for Active Learning in Medical Image Segmentation [7.856339385917824]
本稿では,セグメンテーションのための半教師付きアクティブラーニング手法であるTAAL(Test-time Augmentation for Active Learning)を提案する。以上の結果から,TAALは既存のベースライン法よりも,完全教師付きと半教師付きの両方で優れていることが示された。
論文参考訳（メタデータ） (2023-01-16T22:19:41Z)
Adaptive and Implicit Regularization for Matrix Completion [17.96984956202579]
本稿では、トレーニングデータから低ランク先行を動的にキャプチャする、適応的で暗黙の低ランク正規化を提案する。本稿では,ReTwoAIRの適応正規化によって暗黙正規化が促進され,訓練終了時に消滅することを示す。私たちはAIRの有効性を様々なベンチマークタスクで検証し、欠落したエントリが一様でない場合、AIRは特にシナリオに好適であることを示す。
論文参考訳（メタデータ） (2022-08-11T05:00:58Z)
Toward Learning Robust and Invariant Representations with Alignment Regularization and Data Augmentation [76.85274970052762]
本論文はアライメント正則化の選択肢の増大を動機としている。我々は、ロバスト性および不変性の次元に沿って、いくつかの人気のある設計選択のパフォーマンスを評価する。我々はまた、現実的と考える仮定の下で経験的な研究を補完するために、アライメント正則化の挙動を正式に分析する。
論文参考訳（メタデータ） (2022-06-04T04:29:19Z)
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)
Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
論文参考訳（メタデータ） (2020-06-19T05:08:43Z)
AdaS: Adaptive Scheduling of Stochastic Gradients [50.80697760166045]
我々は、textit "knowledge gain" と textit "mapping condition" の概念を導入し、Adaptive Scheduling (AdaS) と呼ばれる新しいアルゴリズムを提案する。実験によると、AdaSは派生した指標を用いて、既存の適応学習手法よりも高速な収束と優れた一般化、そして(b)いつトレーニングを中止するかを決定するための検証セットへの依存の欠如を示す。
論文参考訳（メタデータ） (2020-06-11T16:36:31Z)

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。