論文の概要: Camera On-boarding for Person Re-identification using Hypothesis Transfer Learning

• arxiv url: http://arxiv.org/abs/2007.11149v2
• Date: Wed, 5 Aug 2020 21:48:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 22:48:44.886039
• Title: Camera On-boarding for Person Re-identification using Hypothesis Transfer Learning
• Title（参考訳）: 仮説伝達学習を用いた人物再識別のためのカメラオンボーディング
• Authors: Sk Miraj Ahmed, Aske R Lejb{\o}lle, Rameswar Panda, Amit K. Roy-Chowdhury
• Abstract要約: 仮説伝達学習を用いた人物再同定のための効率的なモデル適応手法を開発した。 提案手法は,知識を伝達するための複数の音源モデルの最適重み付け組合せを求めることにより,負の伝達効果を最小化する。
• 参考スコア（独自算出の注目度）: 41.115022307850424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the existing approaches for person re-identification consider a static setting where the number of cameras in the network is fixed. An interesting direction, which has received little attention, is to explore the dynamic nature of a camera network, where one tries to adapt the existing re-identification models after on-boarding new cameras, with little additional effort. There have been a few recent methods proposed in person re-identification that attempt to address this problem by assuming the labeled data in the existing network is still available while adding new cameras. This is a strong assumption since there may exist some privacy issues for which one may not have access to those data. Rather, based on the fact that it is easy to store the learned re-identifications models, which mitigates any data privacy concern, we develop an efficient model adaptation approach using hypothesis transfer learning that aims to transfer the knowledge using only source models and limited labeled data, but without using any source camera data from the existing network. Our approach minimizes the effect of negative transfer by finding an optimal weighted combination of multiple source models for transferring the knowledge. Extensive experiments on four challenging benchmark datasets with a variable number of cameras well demonstrate the efficacy of our proposed approach over state-of-the-art methods.
• Abstract（参考訳）: 既存の人物再同定のアプローチのほとんどは、ネットワーク内のカメラの数を固定する静的な設定を考慮している。 興味深い方向は、カメラネットワークのダイナミックな性質を探ることであり、新しいカメラの搭載後に既存の再識別モデルを適応させようとする試みだが、追加の努力はほとんどない。 既存のネットワーク内のラベル付きデータがまだ利用可能でありながら、新しいカメラを追加していると仮定して、この問題に対処する個人識別手法が提案されている。 なぜなら、これらのデータにアクセスできない可能性のあるプライバシー問題がいくつか存在する可能性があるからだ。 むしろ、データプライバシの懸念を緩和する学習された再識別モデルの保存が容易であるという事実を踏まえ、既存のネットワークからのソースカメラデータを使わずに、ソースモデルとラベル付きデータのみを使用して知識を伝達することを目的とした仮説伝達学習を用いた効率的なモデル適応アプローチを開発する。 提案手法は,知識の伝達に複数のソースモデルの最適重み付けの組み合わせを見つけることにより,負の伝達の効果を最小化する。 可変数のカメラを用いた4つの挑戦的ベンチマークデータセットの大規模な実験により,提案手法の有効性が実証された。

関連論文リスト

• Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
  本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。 本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。 提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
  論文  参考訳（メタデータ） (2023-03-23T13:50:46Z)
• A Review on Generative Adversarial Networks for Data Augmentation in Person Re-Identification Systems [0.0]
  データセットを減らした機械学習ベースのコンピュータビジョンアプリケーションでは、ニューラルモデルのトレーニングに利用可能な画像やビデオの集合を拡大することで、再識別システムの性能を改善する可能性がある。 本稿では、データ拡張による人物再識別モデルの性能向上に向けた、直近の最も関連性の高いアプローチについて、生成的敵ネットワークを用いて概説する。
  論文  参考訳（メタデータ） (2023-02-17T20:07:28Z)
• Camera Alignment and Weighted Contrastive Learning for Domain Adaptation in Video Person ReID [17.90248359024435]
  人物再識別システム(ReID)は、大規模な完全ラベル画像データセットでトレーニングした場合、高い精度を達成することができる。 様々な運用状況(例えば、カメラの視点や照明など)に関連したドメインシフトは、パフォーマンスの大幅な低下に繋がる可能性がある。 本稿では、ビデオベースのReIDのための教師なしドメイン適応(UDA)に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-07T15:32:56Z)
• Handling Label Uncertainty for Camera Incremental Person Re-Identification [17.5026399908583]
  人の再識別のためのインクリメンタルラーニング(ReID)は、継続的データストリームでトレーニング可能なモデルを開発することを目的としている。 新しいカメラから収集された新しいデータは、おそらくこれまで見たことのない量のIDを含んでいるかもしれない。 クラス重複問題に対処する新しいフレームワークExtendedOVAを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:59:54Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)
• Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
  人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。 カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。 われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
  論文  参考訳（メタデータ） (2020-02-12T11:56:30Z)
• Rethinking the Distribution Gap of Person Re-identification with Camera-based Batch Normalization [90.9485099181197]
  本稿では,従来のReID手法の動作機構を再考する。 我々は、すべてのカメラの画像データを同じ部分空間に落とすように強制する。 幅広いReIDタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-01-23T17:22:34Z)

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。