論文の概要: Unsupervised Pre-training for Person Re-identification
- arxiv url: http://arxiv.org/abs/2012.03753v2
- Date: Sun, 25 Apr 2021 04:51:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:23:08.163363
- Title: Unsupervised Pre-training for Person Re-identification
- Title（参考訳）: 人物再識別のための教師なし事前訓練
- Authors: Dengpan Fu, Dongdong Chen, Jianmin Bao, Hao Yang, Lu Yuan, Lei Zhang,
Houqiang Li, Dong Chen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 90.98552221699508
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a large scale unlabeled person re-identification
(Re-ID) dataset "LUPerson" and make the first attempt of performing
unsupervised pre-training for improving the generalization ability of the
learned person Re-ID feature representation. This is to address the problem
that all existing person Re-ID datasets are all of limited scale due to the
costly effort required for data annotation. Previous research tries to leverage
models pre-trained on ImageNet to mitigate the shortage of person Re-ID data
but suffers from the large domain gap between ImageNet and person Re-ID data.
LUPerson is an unlabeled dataset of 4M images of over 200K identities, which is
30X larger than the largest existing Re-ID dataset. It also covers a much
diverse range of capturing environments (eg, camera settings, scenes, etc.).
Based on this dataset, we systematically study the key factors for learning
Re-ID features from two perspectives: data augmentation and contrastive loss.
Unsupervised pre-training performed on this large-scale dataset effectively
leads to a generic Re-ID feature that can benefit all existing person Re-ID
methods. Using our pre-trained model in some basic frameworks, our methods
achieve state-of-the-art results without bells and whistles on four widely used
Re-ID datasets: CUHK03, Market1501, DukeMTMC, and MSMT17. Our results also show
that the performance improvement is more significant on small-scale target
datasets or under few-shot setting.
- Abstract（参考訳）: 本稿では,Re-IDデータセット "LUPerson" について述べるとともに,学習者のRe-ID特徴表現の一般化能力を向上させるための教師なし事前学習を初めて行おうとする。
これは、既存のRe-IDデータセットはすべて、データアノテーションに必要なコストがかかるため、制限されたスケールである、という問題に対処するためです。
以前の研究では、ImageNetで事前訓練されたモデルを活用して、人物Re-IDデータの不足を軽減するが、ImageNetと人物Re-IDデータの大きなドメインギャップに悩まされている。
lupersonは、既存の最大のre-idデータセットの30倍の大きさの、200万以上のidの4mイメージのラベルなしデータセットである。
また、非常に多様な撮影環境(例えば、カメラの設定、シーンなど)もカバーしている。
このデータセットに基づいて、データ拡張とコントラスト損失という2つの視点からRe-ID特徴を学習するための重要な要素を体系的に研究する。
この大規模なデータセットで実施された教師なしの事前トレーニングは、既存のすべてのRe-IDメソッドに利益をもたらす一般的なRe-ID機能に効果的に結びつく。
いくつかのフレームワークで事前学習したモデルを用いて、CUHK03、Market1501、DukeMTMC、MSMT17の4つの広く使われているRe-IDデータセットに対して、ベルやホイッスルを使わずに最先端の結果を得る。
また,小規模のターゲットデータセットや少数ショット設定では,性能改善がより重要であることを示した。
関連論文リスト
- Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。
提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
論文 参考訳（メタデータ） (2024-06-10T06:26:03Z) - Benchmarking person re-identification datasets and approaches for
practical real-world implementations [1.0079626733116613]
人物再識別(Re-ID)は注目されている。
しかし、そのようなRe-IDモデルが新しい都市や環境に配備される場合、セキュリティカメラのネットワーク内の人々を探すタスクは、重要なドメインシフトに直面している可能性が高い。
本稿では、ライブオペレーションにおける教師なしデプロイメントに適したデータセットの評価方法について、Re-IDアプローチとトレーニングデータセットの完全な評価手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T03:45:38Z) - 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) - Self-Supervised Pre-Training for Transformer-Based Person
Re-Identification [54.55281692768765]
トランスフォーマーに基づく教師付き事前訓練は、人物再識別(ReID)において大きなパフォーマンスを達成する
ImageNetとReIDデータセットのドメインギャップのため、通常、パフォーマンスを高めるために、より大きなトレーニング済みデータセットが必要です。
この研究は、データとモデル構造の観点から、事前トレーニングデータセットとReIDデータセットのギャップを軽減することを目的としている。
論文 参考訳（メタデータ） (2021-11-23T18:59:08Z) - Unsupervised Domain Adaptive Learning via Synthetic Data for Person
Re-identification [101.1886788396803]
人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。
残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。
本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
論文 参考訳（メタデータ） (2021-09-12T15:51:41Z) - 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) - Domain Adaptive Egocentric Person Re-identification [10.199631830749839]
ファーストパーソン(エゴセントリック)ビジョンにおける人物の再識別(再ID)は、かなり新しく未知の問題です。
ウェアラブルビデオ録画デバイスの増加に伴い、エゴセントリックなデータがすぐに利用可能になります。
大規模な構造化エゴセントリックデータセットは、人の再識別に大きく欠けている。
論文 参考訳（メタデータ） (2021-03-08T16:19:32Z) - 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) - Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。
これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。
MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文 参考訳（メタデータ） (2020-02-12T15:26:33Z)
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。