論文の概要: Person Re-Identification using Deep Learning Networks: A Systematic Review

• arxiv url: http://arxiv.org/abs/2012.13318v1
• Date: Thu, 24 Dec 2020 16:36:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 08:14:13.011210
• Title: Person Re-Identification using Deep Learning Networks: A Systematic Review
• Title（参考訳）: 深層学習ネットワークを用いた人物再同定 : 体系的考察
• Authors: Ankit Yadav, Dinesh Kumar Vishwakarma
• Abstract要約: 近年,人物の身元確認は研究コミュニティから多くの注目を集めている。 人物の身元確認は、強盗の追跡、テロ攻撃の防止、その他のセキュリティー上の重要な出来事に関する研究の核心にある。 このレビューでは、人を再識別するための最新のディープラーニングアプローチを取り上げている。
• 参考スコア（独自算出の注目度）: 8.452237741722726
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Person re-identification has received a lot of attention from the research community in recent times. Due to its vital role in security based applications, person re-identification lies at the heart of research relevant to tracking robberies, preventing terrorist attacks and other security critical events. While the last decade has seen tremendous growth in re-id approaches, very little review literature exists to comprehend and summarize this progress. This review deals with the latest state-of-the-art deep learning based approaches for person re-identification. While the few existing re-id review works have analysed re-id techniques from a singular aspect, this review evaluates numerous re-id techniques from multiple deep learning aspects such as deep architecture types, common Re-Id challenges (variation in pose, lightning, view, scale, partial or complete occlusion, background clutter), multi-modal Re-Id, cross-domain Re-Id challenges, metric learning approaches and video Re-Id contributions. This review also includes several re-id benchmarks collected over the years, describing their characteristics, specifications and top re-id results obtained on them. The inclusion of the latest deep re-id works makes this a significant contribution to the re-id literature. Lastly, the conclusion and future directions are included.
• Abstract（参考訳）: 近年,人物の身元確認は研究コミュニティから多くの注目を集めている。 セキュリティベースのアプリケーションにおいて重要な役割を担っているため、個人の再識別は、強盗の追跡、テロ攻撃やその他のセキュリティー上の重要な出来事の防止に関連する研究の中心にある。 過去10年間、再帰的なアプローチは大きな成長を遂げてきたが、この進歩を理解・要約するレビュー文献はほとんど存在しない。 このレビューでは、人を再識別するための最新のディープラーニングアプローチを取り上げている。 既存のre-idレビューでは、特定の側面からre-idテクニックを分析しているが、このレビューでは、ディープアーキテクチャタイプ、共通Re-Idチャレンジ(ポーズ、雷、ビュー、スケール、部分的または完全閉塞、バックグラウンドクラッタ)、マルチモーダルRe-Id、クロスドメインRe-Idチャレンジ、メトリックラーニングアプローチ、ビデオRe-Idコントリビューションなど、複数のディープラーニング側面からの多くのre-idテクニックを評価する。 このレビューには、何年もかけて収集されたいくつかのre-idベンチマークも含まれている。 最新のDeep Re-idの作業が組み込まれているため、これはre-id文学に大きな貢献をする。 最後に、結論と今後の方向性を含める。

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)
• A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
  アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。 ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
  論文  参考訳（メタデータ） (2024-07-20T03:53:32Z)
• Transformer for Object Re-Identification: A Survey [69.61542572894263]
  ビジョントランスフォーマーは、TransformerベースのRe-IDをさらに深く研究している。 本稿では、TransformerベースのRe-IDの総合的なレビューと詳細な分析を行う。 本稿では,教師なしRe-IDのトレンドを考えると,最先端性能を実現するための新しいトランスフォーマーベースラインUntransReIDを提案する。
  論文  参考訳（メタデータ） (2024-01-13T03:17:57Z)
• Occluded Person Re-Identification with Deep Learning: A Survey and Perspectives [8.026271369888956]
  Re-ID(Re-ID)とは、歩行者情報損失、ノイズ干渉、視線不一致などの課題を扱う歩行者マッチング手法である。 我々は,既存の深層学習に基づく隠蔽者Re-ID手法を様々な観点から科学的に分類・分析し,簡潔に要約する。
  論文  参考訳（メタデータ） (2023-11-01T15:52:51Z)
• Deep Learning for Video-based Person Re-Identification: A Survey [1.6317061277457001]
  本稿では,ビデオリIDのためのディープラーニング手法の最新の進歩について紹介する。 制限付きの短いビデオリIDメソッド、技術的な課題による大きなマイルストーン、アーキテクチャ設計などについて説明する。
  論文  参考訳（メタデータ） (2023-03-21T05:50:53Z)
• Deep Learning-based Occluded Person Re-identification: A Survey [19.76711535866007]
  被占領者の再識別(Re-ID)は、複数のカメラにまたがって被写体を回収する際の閉塞問題に対処することを目的としている。 本稿では,隠蔽者のRe-ID手法を体系的に調査する。 本稿では, Re-ID を介在することによる4つの問題点,すなわち, 位置ずれ, スケールずれ, ノイズ情報, 行方不明情報について要約する。
  論文  参考訳（メタデータ） (2022-07-29T03:10:18Z)
• Person Re-identification: A Retrospective on Domain Specific Open Challenges and Future Trends [2.4907242954727926]
  人物再識別(Re-ID)は、自動化された視覚監視システムの主要な構成要素の1つである。 オーバーラップしない視野を持つマルチカメラネットワーク内の人物を自動的に識別・検索することを目的としている。
  論文  参考訳（メタデータ） (2022-02-26T11:55:57Z)
• Deep Long-Tailed Learning: A Survey [163.16874896812885]
  ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。 長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。 本稿では,近年の長期学習の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2021-10-09T15:25:22Z)
• Unsupervised Person Re-Identification: A Systematic Survey of Challenges and Solutions [64.68497473454816]
  教師なしのRe-IDは、Re-ID担当者のスケーラビリティ問題に対処する可能性に注目が集まっている。 教師なしのRe-IDは、主に人物の特徴学習を監督するアイデンティティラベルが欠如しているため、難しい。 本調査では,課題と解決の観点から,教師なしのRe-IDに関する最近の研究を概観する。
  論文  参考訳（メタデータ） (2021-09-01T00:01:35Z)
• 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。