論文の概要: Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification

• arxiv url: http://arxiv.org/abs/2007.15560v1
• Date: Thu, 30 Jul 2020 16:07:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 14:25:13.117243
• Title: Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification
• Title（参考訳）: ドメイン適応型人物再同定のための教師なしディスタングルGAN
• Authors: Yacine Khraimeche, Guillaume-Alexandre Bilodeau, David Steele, and Harshad Mahadik
• Abstract要約: 本稿では、教師付き人物ReIDのドメイン適応問題に対処するため、新しい非教師付き非教師付き逆境生成ネットワーク(UD-GAN)を提案する。 我々のフレームワークは、識別アノテーションを用いて、ソースラベル付きドメインにおける識別的特徴抽出のためのReIDネットワークを共同で訓練する。 その結果、ReID機能は、教師なしドメイン内の人物のアイデンティティをよりよく含みます。
• 参考スコア（独自算出の注目度）: 10.667492516216887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While recent person re-identification (ReID) methods achieve high accuracy in a supervised setting, their generalization to an unlabelled domain is still an open problem. In this paper, we introduce a novel unsupervised disentanglement generative adversarial network (UD-GAN) to address the domain adaptation issue of supervised person ReID. Our framework jointly trains a ReID network for discriminative features extraction in a source labelled domain using identity annotation, and adapts the ReID model to an unlabelled target domain by learning disentangled latent representations on the domain. Identity-unrelated features in the target domain are distilled from the latent features. As a result, the ReID features better encompass the identity of a person in the unsupervised domain. We conducted experiments on the Market1501, DukeMTMC and MSMT17 datasets. Results show that the unsupervised domain adaptation problem in ReID is very challenging. Nevertheless, our method shows improvement in half of the domain transfers and achieve state-of-the-art performance for one of them.
• Abstract（参考訳）: 最近のperson re-identification(reid)メソッドは教師付き設定で高い精度を達成しているが、ラベルなしドメインへの一般化はまだ未解決の問題である。 本稿では,監視対象reidのドメイン適応問題に対処するために,unsupervised disentanglement generative adversarial network (ud-gan)を提案する。 本フレームワークは,ソースラベル付きドメインにおける識別的特徴抽出のためのreidネットワークをidアノテーションを用いて共同で訓練し,領域上の不連続な潜在表現を学習することにより,ラベル付き対象ドメインにreidモデルを適応させる。 ターゲットドメインのアイデンティティ非関連機能は、潜在機能から抽出される。 その結果、ReID機能は、教師なしドメイン内の人のアイデンティティをよりよく含んでいる。 我々はmarket1501, dukemtmc, msmt17データセットで実験を行った。 その結果、ReIDにおける教師なし領域適応問題は非常に困難であることが判明した。 それでも,本手法はドメイン転送の半分の改善を示し,その1つに対して最先端の性能を実現する。

関連論文リスト

• Domain Camera Adaptation and Collaborative Multiple Feature Clustering for Unsupervised Person Re-ID [5.212394574743209]
  教師なしの人物再識別(re-ID)は、限られたデータが利用可能なオープンワールドシナリオ設定のために、多くの注目を集めている。 既存の教師なし手法は、しばしば目に見えない領域でうまく一般化できないが、教師なし手法は、主に複数の粒度情報がなく、確認バイアスに悩まされる傾向がある。 本稿では,1)ラベル付きソースドメイン上で教師なしドメイン適応を行い,2)ラベル付きターゲットドメイン上での潜在的類似点のマイニングを行う。
  論文  参考訳（メタデータ） (2022-08-18T03:56:48Z)
• Decompose to Adapt: Cross-domain Object Detection via Feature Disentanglement [79.2994130944482]
  本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。 DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。 提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
  論文  参考訳（メタデータ） (2022-01-06T05:43:01Z)
• FRIDA -- Generative Feature Replay for Incremental Domain Adaptation [34.00059350161178]
  FRIDA(Feature Based Incremental Domain Adaptation)と呼ばれる新しいフレームワークを提案する。 ドメインアライメントのために,DANN-IBと呼ばれる,一般的なドメイン対向ニューラルネットワーク(DANN)の簡単な拡張を提案する。 Office-Home、Office-CalTech、DomainNetデータセットの実験結果は、FRIDAが文献よりも優れた安定性と塑性のトレードオフを維持していることを確認した。
  論文  参考訳（メタデータ） (2021-12-28T22:24:32Z)
• Unsupervised Domain Generalization for Person Re-identification: A Domain-specific Adaptive Framework [50.88463458896428]
  ドメイン一般化(DG)は近年,人物再同定(ReID)において注目されている。 既存のメソッドは通常、ソースドメインにラベルを付ける必要があります。 本稿では、単純で効率的なドメイン固有適応化フレームワークを提案し、適応正規化モジュールで実現する。
  論文  参考訳（メタデータ） (2021-11-30T02:35:51Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Style Normalization and Restitution for Generalizable Person Re-identification [89.482638433932]
  我々は、ソースドメイン上でモデルをトレーニングするが、ターゲットドメイン上での一般化や性能をよく行うことのできる、一般化可能な人物ReIDフレームワークを設計する。 本稿では,シンプルで効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-22T07:15:10Z)
• End-to-End Domain Adaptive Attention Network for Cross-Domain Person Re-Identification [43.335020352127366]
  本稿では,ドメイン間の画像の同時変換と識別的再識別子特徴の学習を目的とした,エンドツーエンドのドメイン適応型アダプティブアテンションネットワークを提案する。 人物の同一性に影響を与えることなく、ソースからターゲットドメインへの画像翻訳のためのアテンションモジュールを導入する。 提案したジョイントラーニングネットワークは,いくつかのベンチマークデータセット上での最先端手法よりも大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2020-05-07T03:17:43Z)
• Structured Domain Adaptation with Online Relation Regularization for Unsupervised Person Re-ID [62.90727103061876]
  Unsupervised Domain adapt(UDA)は、ラベル付きソースドメインデータセットでトレーニングされたモデルを、ラベルなしのターゲットドメインデータセットに適応させることを目的としている。 本稿では,オンライン関係整合性正規化項を用いたエンドツーエンドなドメイン適応フレームワークを提案する。 提案手法は,複数のUDAタスクにおける人物再IDの最先端性能を実現することを目的としている。
  論文  参考訳（メタデータ） (2020-03-14T14:45:18Z)

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。