論文の概要: Progressive Bilateral-Context Driven Model for Post-Processing Person Re-Identification

• arxiv url: http://arxiv.org/abs/2009.03098v1
• Date: Mon, 7 Sep 2020 13:35:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 02:11:47.813657
• Title: Progressive Bilateral-Context Driven Model for Post-Processing Person Re-Identification
• Title（参考訳）: プログレッシブ・バイラテラル・コンテキスト駆動型人物再同定モデル
• Authors: Min Cao, Chen Chen, Hao Dou, Xiyuan Hu, Silong Peng and Arjan Kuijper
• Abstract要約: 本稿では, サンプルと相手のコンテキストの関係から, ペアの測度を決定する軽量な後処理者再識別手法を提案する。 4つの大規模人物再識別ベンチマークデータセットの実験から,提案手法が常に高い精度を達成可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 20.143803695488106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most existing person re-identification methods compute pairwise similarity by extracting robust visual features and learning the discriminative metric. Owing to visual ambiguities, these content-based methods that determine the pairwise relationship only based on the similarity between them, inevitably produce a suboptimal ranking list. Instead, the pairwise similarity can be estimated more accurately along the geodesic path of the underlying data manifold by exploring the rich contextual information of the sample. In this paper, we propose a lightweight post-processing person re-identification method in which the pairwise measure is determined by the relationship between the sample and the counterpart's context in an unsupervised way. We translate the point-to-point comparison into the bilateral point-to-set comparison. The sample's context is composed of its neighbor samples with two different definition ways: the first order context and the second order context, which are used to compute the pairwise similarity in sequence, resulting in a progressive post-processing model. The experiments on four large-scale person re-identification benchmark datasets indicate that (1) the proposed method can consistently achieve higher accuracies by serving as a post-processing procedure after the content-based person re-identification methods, showing its state-of-the-art results, (2) the proposed lightweight method only needs about 6 milliseconds for optimizing the ranking results of one sample, showing its high-efficiency. Code is available at: https://github.com/123ci/PBCmodel.
• Abstract（参考訳）: ほとんどの既存人物再同定法は、頑健な視覚特徴を抽出し、識別メトリックを学習することにより、ペアワイズ類似度を計算する。 視覚的曖昧さのため、両者の類似性に基づいてペア関係を決定するコンテンツベースの手法は、必然的に準最適ランキングを作成する。 その代わり、サンプルの豊富な文脈情報を探索することで、ペアワイズ類似度を基礎となるデータ多様体の測地路に沿ってより正確に推定することができる。 本稿では、サンプルと相手のコンテキストの関係を教師なしの方法で一括測度で決定する軽量な後処理者再識別手法を提案する。 我々は、ポイント・ツー・ポイント比較を両側のポイント・ツー・セット比較に変換する。 サンプルのコンテキストは、隣接するサンプルからなり、第1の順序コンテキストと第2の順序コンテキストという2つの異なる定義方法がある。 4つの大規模人物再識別ベンチマークデータセットを用いた実験により,(1) 提案手法は, コンテンツに基づく人物再識別手法の後に, 処理後の処理手順として一貫した精度を達成可能であること, (2) 提案手法は, 1つのサンプルのランキング結果の最適化に約6ミリ秒を要すること, 高い効率性を示す。 コードは、https://github.com/123ci/PBCmodelで入手できる。

関連論文リスト

• Asymmetric Patch Sampling for Contrastive Learning [17.922853312470398]
  正対間の非対称な出現は、対照的な学習における表現劣化のリスクを効果的に減少させる。 比較学習のための新しい非対称なパッチサンプリング戦略を提案し、より良い表現のために外見非対称性を高める。
  論文  参考訳（メタデータ） (2023-06-05T13:10:48Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Global-Local Self-Distillation for Visual Representation Learning [41.24728444810133]
  より豊かで意味のある勾配更新は、自己教師型のメソッドがより良く、より効率的に学習できるようにするための鍵です。 典型的な自己蒸留フレームワークでは、2つの拡張画像の表現をグローバルレベルでコヒーレントに強制する。 入力画像の空間情報を利用して幾何マッチングを求める。
  論文  参考訳（メタデータ） (2022-07-29T13:50:09Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• Active Sampling for Pairwise Comparisons via Approximate Message Passing and Information Gain Maximization [5.771869590520189]
  本稿では、近似メッセージパッシングと期待情報ゲインに基づくアクティブサンプリングアルゴリズムASAPを提案する。 既存の手法と比較して,ASAPは推定スコアの精度が最も高いことを示す。
  論文  参考訳（メタデータ） (2020-04-12T20:48:10Z)

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。