論文の概要: Integrating Coarse Granularity Part-level Features with Supervised Global-level Features for Person Re-identification

• arxiv url: http://arxiv.org/abs/2010.07675v1
• Date: Thu, 15 Oct 2020 11:49:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-10-07 04:19:49.338137
• Title: Integrating Coarse Granularity Part-level Features with Supervised Global-level Features for Person Re-identification
• Title（参考訳）: 人物識別のための大域的特徴と粗粒度部分的特徴の統合
• Authors: Xiaofei Mao, Jiahao Cao, Dongfang Li, Xia Jia, Qingfang Zheng
• Abstract要約: パートレベルの人物Re-IDネットワーク(CGPN)は、全体像と部分像の両方に教師付きグローバル機能を統合する。 CGPNは、全体像と部分像の両方に有効な身体部分の特徴を抽出することを学ぶ。 Market-1501、DukeMTMC-reID、CUHK03といった3つのRe-IDデータセットでトレーニングされた単一モデル。
• 参考スコア（独自算出の注目度）: 3.4758712821739426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Holistic person re-identification (Re-ID) and partial person re-identification have achieved great progress respectively in recent years. However, scenarios in reality often include both holistic and partial pedestrian images, which makes single holistic or partial person Re-ID hard to work. In this paper, we propose a robust coarse granularity part-level person Re-ID network (CGPN), which not only extracts robust regional level body features, but also integrates supervised global features for both holistic and partial person images. CGPN gains two-fold benefit toward higher accuracy for person Re-ID. On one hand, CGPN learns to extract effective body part features for both holistic and partial person images. On the other hand, compared with extracting global features directly by backbone network, CGPN learns to extract more accurate global features with a supervision strategy. The single model trained on three Re-ID datasets including Market-1501, DukeMTMC-reID and CUHK03 achieves state-of-the-art performances and outperforms any existing approaches. Especially on CUHK03, which is the most challenging dataset for person Re-ID, in single query mode, we obtain a top result of Rank-1/mAP=87.1\%/83.6\% with this method without re-ranking, outperforming the current best method by +7.0\%/+6.7\%.
• Abstract（参考訳）: ホロスティックな人物再同定(Re-ID)と部分的な人物再同定は,近年大きく進歩している。 しかし、現実のシナリオには、全体像と部分的な歩行者像の両方が含まれており、単一の全体像と部分的な人物の再識別が難しい。 本稿では,ロバストな地域レベルの身体特徴を抽出するだけでなく,全体像と部分像の両方に教師付きグローバルな特徴を統合する,頑健な粗粒度部分レベル人物Re-IDネットワーク(CGPN)を提案する。 CGPNは人物Re-IDの精度を高めるために2倍の利益を得る。 一方、CGPNは、全体像と部分像の両方に有効な身体部分の特徴を抽出することを学ぶ。 一方,CGPNは,バックボーンネットワークによって直接グローバルな特徴を抽出することと比較して,より正確なグローバルな特徴を統括戦略で抽出することを学ぶ。 Market-1501、DukeMTMC-reID、CUHK03を含む3つのRe-IDデータセットでトレーニングされた単一のモデルは、最先端のパフォーマンスを達成し、既存のアプローチよりも優れている。 特に、人物再識別の最も難しいデータセットであるcuhk03において、単一クエリモードでは、ランク1/map=87.1\%/83.6\%の上位結果を得ることができ、現在のベストメソッドを+7.0\%/+6.7\%で上回っている。

関連論文リスト

• PersonMAE: Person Re-Identification Pre-Training with Masked AutoEncoders [132.60355401780407]
  個人再識別のための汎用的特徴表現(ReID)の学習において,事前学習はますます重要な役割を担っている 本稿では,Person Re-IDの課題に対処するために,2つのコア設計をマスク付きオートエンコーダに組み込んだPersonMAEを提案する。 ViT-Bのバックボーンを持つ PersonMAE は MSMT17 と OccDuke のデータセット上で 79.8% と 69.5% の mAP を達成する。
  論文  参考訳（メタデータ） (2023-11-08T07:02:27Z)
• Collaborative Chinese Text Recognition with Personalized Federated Learning [61.34060587461462]
  中国語のテキスト認識では、ある組織が類似の組織から大量のデータを収集することがしばしば必要である。 アドレスや電話番号などのテキストデータに個人情報が自然に存在するため、異なる組織はプライベートデータを共有したくない。 中国語テキスト認識タスクにパーソナライズド・フェデレーション・ラーニング(pFL)を導入し,pFedCRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-09T16:51:00Z)
• 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)
• Weakly Supervised Person Search with Region Siamese Networks [65.76237418040071]
  教師付き学習は人検索において支配的であるが、境界ボックスとアイデンティティの詳細なラベル付けが必要である。 私たちは、バウンディングボックスアノテーションのみが利用できる弱い教師付き設定を提示します。 我々のモデルはCUHK-SYSUベンチマークで87.1%のランク1と86.0%のmAPを達成している。
  論文  参考訳（メタデータ） (2021-09-13T16:33:27Z)
• Semi-Supervised Domain Generalizable Person Re-Identification [74.75528879336576]
  既存の人物の再識別(re-id)メソッドは、新しい目に見えないシナリオにデプロイされると立ち往生する。 近年,新たなシナリオにおける未ラベルの広範なデータをトランスダクティブ学習方式で活用するドメイン適応型人物再認識への取り組みが進められている。 我々は、複数のラベル付きデータセットを探索し、人物の再識別のための一般化されたドメイン不変表現を学習することを目指している。
  論文  参考訳（メタデータ） (2021-08-11T06:08:25Z)
• Multi-Attribute Enhancement Network for Person Search [7.85420914437147]
  人物探索は、人物検出と人物再識別(Re-ID)の問題を共同で解くように設計されている 視覚的な文字属性は、Re-IDで検索されたが、Person Searchで無視されたクエリ人物を取得する上で重要な役割を果たします。 本稿では,属性学習をモデルに導入し,属性機能を検索タスクに活用する。
  論文  参考訳（メタデータ） (2021-02-16T05:43:47Z)
• Lightweight Multi-Branch Network for Person Re-Identification [6.353193172884524]
  本稿では,資源効率の高いOSNetバックボーン上に構築されたマルチブランチアーキテクチャにおいて,グローバル,パートベース,チャネル機能を組み合わせた軽量ネットワークを提案する。 トレーニング手法と設計選択をうまく組み合わせることで, CUHK03ラベル付き, CUHK03検出, Market-1501で85.1% mAP / 87.2% rank1, 82.4% mAP / 84.9% rank1, 91.5% mAP / 96.3% rank1の最先端結果が得られる。
  論文  参考訳（メタデータ） (2021-01-26T13:28:46Z)
• 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)
• Learning Diverse Features with Part-Level Resolution for Person Re-Identification [10.940478376944133]
  本稿では,PLR-OSNetと呼ばれる軽量ネットワークアーキテクチャを構築することを提案する。 Omni-Scale Network(OSNet)上のPart-Level機能解決(Part-Level feature Resolution)というアイデアに基づいて、機能多様性を実現する。 Market1501、DukeMTMC-reID、CUHK03など、人気のある人物Re-IDデータセットの最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-01-21T11:01:56Z)

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。