論文の概要: Re-identification = Retrieval + Verification: Back to Essence and Forward with a New Metric

• arxiv url: http://arxiv.org/abs/2011.11506v1
• Date: Mon, 23 Nov 2020 16:11:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 02:30:15.670959
• Title: Re-identification = Retrieval + Verification: Back to Essence and Forward with a New Metric
• Title（参考訳）: re-identification = Retrieval + Verification: Back to Essence and Forward with a new Metric
• Authors: Zheng Wang, Xin Yuan, Toshihiko Yamasaki, Yutian Lin, Xin Xu, Wenjun Zeng
• Abstract要約: 我々は、新しい再同定指標として、Genuine Open-set re-ID Metric (GOM)を提案する。 GOMは、検索と検証を行う効果を単一の統一メトリックにバランスさせる。 GOMはリID性能の人間の視覚的評価と整合性に優れる。
• 参考スコア（独自算出の注目度）: 88.96593495602923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Re-identification (re-ID) is currently investigated as a closed-world image retrieval task, and evaluated by retrieval based metrics. The algorithms return ranking lists to users, but cannot tell which images are the true target. In essence, current re-ID overemphasizes the importance of retrieval but underemphasizes that of verification, \textit{i.e.}, all returned images are considered as the target. On the other hand, re-ID should also include the scenario that the query identity does not appear in the gallery. To this end, we go back to the essence of re-ID, \textit{i.e.}, a combination of retrieval and verification in an open-set setting, and put forward a new metric, namely, Genuine Open-set re-ID Metric (GOM). GOM explicitly balances the effect of performing retrieval and verification into a single unified metric. It can also be decomposed into a family of sub-metrics, enabling a clear analysis of re-ID performance. We evaluate the effectiveness of GOM on the re-ID benchmarks, showing its ability to capture important aspects of re-ID performance that have not been taken into account by established metrics so far. Furthermore, we show GOM scores excellent in aligning with human visual evaluation of re-ID performance. Related codes are available at https://github.com/YuanXinCherry/Person-reID-Evaluation
• Abstract（参考訳）: 再同定(re-ID)は現在,クローズドワールド画像検索タスクとして検討されており,検索基準による評価を行っている。 アルゴリズムはランキングリストをユーザーに返すが、どの画像が真のターゲットであるかはわからない。 本質的に、現在のre-idは検索の重要性を過大に強調するが、検証の値である \textit{i.e} を過大に強調する。 一方、re-IDには、クエリIDがギャラリーに現れないシナリオも含まなければならない。 この目的のために、オープンセット設定における検索と検証の組み合わせである re-ID, \textit{i.e.} の本質に戻り、新しいメトリクス、すなわち Genuine Open-set re-ID Metric (GOM) を提示する。 GOMは、検索と検証を行う効果を単一の統一メトリックに明確にバランスさせる。 サブメトリックのファミリに分解することもでき、re-IDパフォーマンスの明確な分析を可能にする。 GOMがre-IDベンチマークに与える影響を評価し,これまでに確立された指標から考慮されていないre-IDパフォーマンスの重要な側面を捉える能力を示した。 さらに, GOMスコアは, リID性能の人間の視覚的評価と整合性に優れていた。 関連するコードはhttps://github.com/yuanxincherry/person-reid-evaluationで入手できる。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Instruct-ReID++: Towards Universal Purpose Instruction-Guided Person Re-identification [62.894790379098005]
  本稿では,与えられた画像や言語命令に従って,モデルに画像の検索を要求する新しい命令-ReIDタスクを提案する。 Instruct-ReIDは一般的なReID設定の最初の探索であり、既存の6つのReIDタスクを異なる命令を割り当てることで特別なケースとして見ることができる。 本稿では,新しいベースラインモデル IRM を提案する。
  論文  参考訳（メタデータ） (2024-05-28T03:35:46Z)
• Graph Convolution Based Efficient Re-Ranking for Visual Retrieval [29.804582207550478]
  特徴を更新することで、初期検索結果を洗練する効率的な再ランク付け手法を提案する。 具体的には、グラフ畳み込みネットワーク(GCN)に基づく再ランク付けを再構成し、特徴伝搬による視覚的検索タスクのための新しいグラフ畳み込みベース再ランク付け(GCR)を提案する。 特に、平面GCRは、クロスカメラ検索のために拡張され、異なるカメラ間の親和性関係を活用するために、改良された特徴伝搬定式化が提示される。
  論文  参考訳（メタデータ） (2023-06-15T00:28:08Z)
• TrADe Re-ID -- Live Person Re-Identification using Tracking and Anomaly Detection [0.6719751155411076]
  Person Re-Identification (Re-ID)は、カメラのネットワークに関心のある人を探すことを目的としている。 古典的なRe-ID設定では、クエリは、全体の適切に収穫された画像を含むギャラリーで検索される。 近年、Re-IDの実践的な適用状況を表すために、ライブRe-ID設定が導入されている。 クェリは短いビデオで検索され、シーン全体のフレームを含む。
  論文  参考訳（メタデータ） (2022-09-14T07:00:35Z)
• 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)
• Fine-Grained Re-Identification [1.8275108630751844]
  本稿では,画像とビデオのReIDを統一する最初のモデルのひとつとして,計算効率のよいReIDモデルFGReIDを提案する。 FGReIDは、ビデオベースの事前学習と空間的特徴の注意を生かして、ビデオと画像の両方のReIDタスクのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2020-11-26T21:04:17Z)
• Improving Person Re-identification with Iterative Impression Aggregation [115.28738095583228]
  このような直感を人身認証問題(re-ID)に定式化する。 本稿では、このアイデアをインスタンス化し、そのようなパイプラインが標準ベンチマーク上での競合性能を達成することを示すため、簡単な注意集約式を提案する。
  論文  参考訳（メタデータ） (2020-09-21T17:59:04Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。