Fugu-MT 論文翻訳(概要): Lightweight Multi-Branch Network for Person Re-Identification

論文の概要: Lightweight Multi-Branch Network for Person Re-Identification

arxiv url: http://arxiv.org/abs/2101.10774v1
Date: Tue, 26 Jan 2021 13:28:46 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 19:53:28.407733
Title: Lightweight Multi-Branch Network for Person Re-Identification
Title（参考訳）: 人物再識別のための軽量マルチブランチネットワーク
Authors: Fabian Herzog, Xunbo Ji, Torben Teepe, Stefan H\"ormann, Johannes Gilg, Gerhard Rigoll
Abstract要約: 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。
参考スコア（独自算出の注目度）: 6.353193172884524
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Person Re-Identification aims to retrieve person identities from images captured by multiple cameras or the same cameras in different time instances and locations. Because of its importance in many vision applications from surveillance to human-machine interaction, person re-identification methods need to be reliable and fast. While more and more deep architectures are proposed for increasing performance, those methods also increase overall model complexity. This paper proposes a lightweight network that combines global, part-based, and channel features in a unified multi-branch architecture that builds on the resource-efficient OSNet backbone. Using a well-founded combination of training techniques and design choices, our final model achieves state-of-the-art results on CUHK03 labeled, CUHK03 detected, and Market-1501 with 85.1% mAP / 87.2% rank1, 82.4% mAP / 84.9% rank1, and 91.5% mAP / 96.3% rank1, respectively.
Abstract（参考訳）: Person Re-Identificationは、複数のカメラや同じカメラが捉えた画像から人物の身元を、異なる時間帯と場所で検索することを目的としている。監視から人間と機械の相互作用まで、多くの視覚的応用において重要であるため、人物の再識別法は信頼性と迅速さが求められる。パフォーマンス向上のためにより深いアーキテクチャが提案される一方で、これらの手法は全体のモデルの複雑さを増大させる。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。

関連論文リスト

Any Image Restoration with Efficient Automatic Degradation Adaptation [132.81912195537433]
本研究は, 各種劣化の相似性を有効かつ包括的修復に活用し, 共同埋設を実現する統一的な方法を提案する。我々のネットワークは、モデルの複雑さをトレーニング可能なパラメータで約82%、FLOPで約85%削減しつつ、新しいSOTAレコードを設定している。
論文参考訳（メタデータ） (2024-07-18T10:26:53Z)
Raising the Bar of AI-generated Image Detection with CLIP [50.345365081177555]
本研究の目的は、AI生成画像の普遍的検出のための事前学習された視覚言語モデル(VLM)の可能性を探ることである。我々は,CLIP機能に基づく軽量な検出戦略を開発し,その性能を様々な難易度シナリオで検証する。
論文参考訳（メタデータ） (2023-11-30T21:11:20Z)
AaP-ReID: Improved Attention-Aware Person Re-identification [2.5761958263376745]
AaP-ReIDは、ResNetベースのアーキテクチャにチャネルの注意を組み込む、より効果的な人物ReIDの手法である。提案手法は,Channel-Wise Attention Bottleneckブロックを組み込んで,特徴マップにおけるChannel-Wise Attention Bottleneckブロックの重要性を動的に調整することで特徴を識別することができる。
論文参考訳（メタデータ） (2023-09-27T16:54:38Z)
Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
論文参考訳（メタデータ） (2023-04-19T07:38:15Z)
Decoupled and Memory-Reinforced Networks: Towards Effective Feature Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。現在のワンステップアプローチには2つの大きな課題があります。本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文参考訳（メタデータ） (2021-02-22T06:19:45Z)
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)
Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
論文参考訳（メタデータ） (2020-12-19T12:37:04Z)
Integrating Coarse Granularity Part-level Features with Supervised Global-level Features for Person Re-identification [3.4758712821739426]
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。
論文参考訳（メタデータ） (2020-10-15T11:49:20Z)
ResNeSt: Split-Attention Networks [86.25490825631763]
このアーキテクチャは、異なるネットワークブランチにチャンネルワイズを応用し、機能間相互作用のキャプチャと多様な表現の学習の成功を活用する。我々のモデルはResNeStと呼ばれ、画像分類の精度と遅延トレードオフにおいてEfficientNetより優れています。
論文参考訳（メタデータ） (2020-04-19T20:40:31Z)
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)
VMRFANet:View-Specific Multi-Receptive Field Attention Network for Person Re-identification [3.1498833540989413]
本稿では,様々な大きさのフィルタを用いて,情報画素に注目するネットワークを支援するMRFA(Multi-Receptive Field attention)モジュールを提案する。本稿では,ビュー条件の変動に対処するためのアテンションモジュールを誘導するビュー固有メカニズムを提案する。本手法は,市場におけるランク-1/mAPの95.5% / 88.1%,デュークMTMC-reIDの88.9% / 80.0%,CUHK03ラベル付きデータセットの81.1% / 78.8%,CUHK03検出データセットの78.9% / 75.3%を達成している。
論文参考訳（メタデータ） (2020-01-21T06:31:18Z)

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。