論文の概要: Incomplete Descriptor Mining with Elastic Loss for Person Re-Identification

• arxiv url: http://arxiv.org/abs/2008.04010v4
• Date: Thu, 4 Mar 2021 05:59:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 23:06:46.041337
• Title: Incomplete Descriptor Mining with Elastic Loss for Person Re-Identification
• Title（参考訳）: 人物再同定のための弾性損失をもつ不完全記述子マイニング
• Authors: Hongchen Tan, Yuhao Bian, Huasheng Wang, Xiuping Liu, and Baocai Yin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 27.91394641954924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel person Re-ID model, Consecutive Batch DropBlock Network (CBDB-Net), to capture the attentive and robust person descriptor for the person Re-ID task. The CBDB-Net contains two novel designs: the Consecutive Batch DropBlock Module (CBDBM) and the Elastic Loss (EL). In the Consecutive Batch DropBlock Module (CBDBM), we firstly conduct uniform partition on the feature maps. And then, we independently and continuously drop each patch from top to bottom on the feature maps, which can output multiple incomplete feature maps. In the training stage, these multiple incomplete features can better encourage the Re-ID model to capture the robust person descriptor for the Re-ID task. In the Elastic Loss (EL), we design a novel weight control item to help the Re-ID model adaptively balance hard sample pairs and easy sample pairs in the whole training process. Through an extensive set of ablation studies, we verify that the Consecutive Batch DropBlock Module (CBDBM) and the Elastic Loss (EL) each contribute to the performance boosts of CBDB-Net. We demonstrate that our CBDB-Net can achieve the competitive performance on the three standard person Re-ID datasets (the Market-1501, the DukeMTMC-Re-ID, and the CUHK03 dataset), three occluded Person Re-ID datasets (the Occluded DukeMTMC, the Partial-REID, and the Partial iLIDS dataset), and a general image retrieval dataset (In-Shop Clothes Retrieval dataset).
• Abstract（参考訳）: 本稿では,人物リidタスクに注意し頑健な人物記述子をキャプチャする新しい人物リidモデルである連続バッチドロップブロックネットワーク(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。 連続したバッチドロップブロックモジュール(cbdbm)では、最初に機能マップで一様分割を行います。 そして、各パッチを独立して継続的にフィーチャーマップの上から下へ落とし、複数の不完全なフィーチャーマップを出力します。 トレーニング段階では、これらの複数の不完全な機能はRe-IDモデルをより促進し、Re-IDタスクの堅牢な人物記述子をキャプチャする。 EL(Elastic Loss)では、Re-IDモデルがハードサンプルペアと簡単なサンプルペアを適応的にバランスさせるのに役立つ新しい重量制御アイテムを設計する。 広範囲にわたるアブレーション研究を通じて,CBDBM(Consecutive Batch DropBlock Module)とEL(Elastic Loss)がCBDB-Netの性能向上に貢献していることを確認した。 我々のCBDB-Netは、3つの標準人物Re-IDデータセット(Market-1501、DukeMTMC-Re-ID、CUHK03データセット)、3つの隠蔽人物Re-IDデータセット(Occluded DukeMTMC、Partial-REID、Partial iLIDSデータセット)、一般的な画像検索データセット(In-Shop Clothes Retrievalデータセット)で競合性能を達成できることを示した。

関連論文リスト

• Chain-of-Skills: A Configurable Model for Open-domain Question Answering [79.8644260578301]
  検索モデルは、現実世界の知識集約的なタスクに欠かせない要素である。 最近の研究はカスタマイズされたメソッドに焦点を合わせ、モデルの転送可能性とスケーラビリティを制限している。 本稿では,各モジュールがデータセット間で再利用可能なキースキルに対応するモジュールレトリバーを提案する。
  論文  参考訳（メタデータ） (2023-05-04T20:19:39Z)
• Body Part-Based Representation Learning for Occluded Person Re-Identification [102.27216744301356]
  隠蔽人物再識別(ReID)とは,隠蔽人物画像と包括的人物画像とのマッチングを目的とした人物検索タスクである。 パートベースの手法は、微細な情報を提供し、部分的に見える人間の体を表現するのに適しているため、有益であることが示されている。 本稿では,BPBreIDという身体部分に基づくReIDモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-07T16:48:41Z)
• A High-Accuracy Unsupervised Person Re-identification Method Using Auxiliary Information Mined from Datasets [53.047542904329866]
  マルチモーダルな特徴学習のためのデータセットから抽出した補助情報を利用する。 本稿では,Restricted Label Smoothing Cross Entropy Loss (RLSCE), Weight Adaptive Triplet Loss (WATL), Dynamic Training Iterations (DTI)の3つの効果的なトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-06T10:16:18Z)
• 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)
• CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
  本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。 既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。 疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
  論文  参考訳（メタデータ） (2020-07-15T09:52:35Z)
• STADB: A Self-Thresholding Attention Guided ADB Network for Person Re-identification [16.518660840353498]
  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。
  論文  参考訳（メタデータ） (2020-07-07T16:06:22Z)
• 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)
• Triplet Permutation Method for Deep Learning of Single-Shot Person Re-Identification [0.0]
  本稿では、Triplet Permutation法を定式化し、特定のre-idデータセットから複数のトレーニングセットを生成する。 改善されたパフォーマンスは、最も難しいRe-Idデータセットの1つであるPRID2011で実証された。
  論文  参考訳（メタデータ） (2020-03-18T15:57:13Z)
• 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。