論文の概要: Fine-Grained Re-Identification
- arxiv url: http://arxiv.org/abs/2011.13475v2
- Date: Mon, 22 Mar 2021 17:06:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 09:13:41.273126
- Title: Fine-Grained Re-Identification
- Title(参考訳): 細粒度再同定
- Authors: Priyank Pathak
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.8275108630751844
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Research into the task of re-identification (ReID) is picking up momentum in
computer vision for its many use cases and zero-shot learning nature. This
paper proposes a computationally efficient fine-grained ReID model, FGReID,
which is among the first models to unify image and video ReID while keeping the
number of training parameters minimal. FGReID takes advantage of video-based
pre-training and spatial feature attention to improve performance on both video
and image ReID tasks. FGReID achieves state-of-the-art (SOTA) on MARS,
iLIDS-VID, and PRID-2011 video person ReID benchmarks. Eliminating temporal
pooling yields an image ReID model that surpasses SOTA on CUHK01 and Market1501
image person ReID benchmarks. The FGReID achieves near SOTA performance on the
vehicle ReID dataset VeRi as well, demonstrating its ability to generalize.
Additionally we do an ablation study analyzing the key features influencing
model performance on ReID tasks. Finally, we discuss the moral dilemmas related
to ReID tasks, including the potential for misuse. Code for this work is
publicly available at https:
//github.com/ppriyank/Fine-grained-ReIdentification.
- Abstract(参考訳): ReID(Re-identification)タスクの研究は、多くのユースケースとゼロショット学習の性質において、コンピュータビジョンの勢いを増している。
本稿では,トレーニングパラメータの最小化を図りながら,画像とビデオのReIDを統一する最初のモデルである,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。
FGReIDは、MARS、iLIDS-VID、PRID-2011ビデオパーソンReIDベンチマーク上で、最先端(SOTA)を達成する。
時間プーリングの除去は、CUHK01およびMarket1501イメージパーソンReIDベンチマークでSOTAを超えるイメージReIDモデルが得られる。
FGReIDは、車載ReIDデータセットであるVeRiのSOTAに近い性能を実現し、その一般化能力を示している。
また,ReIDタスクにおけるモデル性能に影響を及ぼす重要な特徴を分析する。
最後に、誤用の可能性を含むReIDタスクに関連する道徳的ジレンマについて論じる。
この作業のコードはhttps: //github.com/ppriyank/Fine-grained-ReIdentificationで公開されている。
関連論文リスト
- Learning Invariance from Generated Variance for Unsupervised Person
Re-identification [15.096776375794356]
従来のデータ拡張をGAN(Generative Adversarial Network)に置き換えることを提案する。
3次元メッシュガイド型人物画像生成器は、人物画像をID関連およびID非関連の特徴に分解するために提案される。
生成モジュールとコントラストモジュールを共同でトレーニングすることにより、主流の大規模ベンチマーク上で、最先端の非教師なしのReID性能を実現する。
論文 参考訳(メタデータ) (2023-01-02T15:40:14Z) - Generalizable Re-Identification from Videos with Cycle Association [60.920036335996414]
トレーニングの複雑さの低いre-IDのためのスケーラブルな自己教師型学習手法として,CycAs(CycAs)を提案する。
提案手法に適したLMPビデオという,大規模でラベルのないre-IDデータセットを構築した。
CycAsは、時間的に連続したビデオフレームペア間のインスタンス関連性のサイクル一貫性を強制することによって、re-ID特徴を学習する。
論文 参考訳(メタデータ) (2022-11-07T16:21:57Z) - Handling Label Uncertainty for Camera Incremental Person
Re-Identification [17.5026399908583]
人の再識別のためのインクリメンタルラーニング(ReID)は、継続的データストリームでトレーニング可能なモデルを開発することを目的としている。
新しいカメラから収集された新しいデータは、おそらくこれまで見たことのない量のIDを含んでいるかもしれない。
クラス重複問題に対処する新しいフレームワークExtendedOVAを提案する。
論文 参考訳(メタデータ) (2022-10-17T02:59:54Z) - Unleashing the Potential of Unsupervised Pre-Training with
Intra-Identity Regularization for Person Re-Identification [10.045028405219641]
我々は、UP-ReIDと呼ばれる対照的学習(CL)パイプラインに基づいて、ReIDのための教師なし事前学習フレームワークを設計する。
UP-ReIDにI$2$-の正則化を導入し,大域的な画像的側面と局所的なパッチ的側面の2つの制約としてインスタンス化する。
我々のUP-ReID事前学習モデルは、下流のReID微調整の利点を大いに生かし、最先端の性能を達成することができる。
論文 参考訳(メタデータ) (2021-12-01T07:16:37Z) - Cloth-Changing Person Re-identification from A Single Image with Gait
Prediction and Regularization [65.50321170655225]
本稿では,画像レイドモデルを用いて布非依存表現を学習するための補助タスクとして,歩行認識を導入する。
画像ベースのCloth-Changing ReIDベンチマーク(例えば、LTCC、PRCC、Real28、VC-Clothes)の実験は、GI-ReIDが最先端技術に対して好適に動作することを示した。
論文 参考訳(メタデータ) (2021-03-29T12:10:50Z) - Unsupervised Pretraining for Object Detection by Patch Reidentification [72.75287435882798]
教師なし表現学習は、オブジェクトディテクタの事前トレーニング表現で有望なパフォーマンスを実現します。
本研究では,オブジェクト検出のための簡易かつ効果的な表現学習手法であるパッチ再識別(Re-ID)を提案する。
私たちの方法は、トレーニングの反復やデータパーセンテージなど、すべての設定でCOCOの同等を大幅に上回ります。
論文 参考訳(メタデータ) (2021-03-08T15:13:59Z) - 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) - ESA-ReID: Entropy-Based Semantic Feature Alignment for Person re-ID [7.978877859859102]
実世界の人物識別(re-ID)は、監視システムにおける典型的な応用の他に、コンテンツビデオ(テレビ・映画)における人物識別のリコール率の向上にも意義がある。
本稿では,人間の意味的特徴の詳細な情報を利用するエントロピーに基づく意味的特徴アライメントモデルを提案する。
意味的セグメンテーションの不確実性を考慮すると、エントロピーに基づくマスクとのセグメンテーションアライメントを導入することで、マスクセグメンテーションエラーの負の効果を低減することができる。
論文 参考訳(メタデータ) (2020-07-09T08:56:28Z) - 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) - Cross-Resolution Adversarial Dual Network for Person Re-Identification
and Beyond [59.149653740463435]
人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。
カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。
本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
論文 参考訳(メタデータ) (2020-02-19T07:21:38Z)
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。