Fugu-MT 論文翻訳(概要): Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification

論文の概要: Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification

arxiv url: http://arxiv.org/abs/2105.11722v1
Date: Tue, 25 May 2021 07:45:38 GMT
ステータス: 処理完了
システム内更新日: 2021-05-26 14:08:06.829846
Title: Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification
Title（参考訳）: クロスリゾリューション者再識別のためのディープ高解像度表現学習
Authors: Guoqing Zhang, Yu Ge, Zhicheng Dong, Hao Wang, Yuhui Zheng, Shengyong Chen
Abstract要約: 人物再識別(re-ID)は、異なるカメラから同一人物像と同一人物像をマッチングする問題に取り組む。この問題を解決するために,PS-HRNet(Deep High-Resolution Pseudo-Siamese Framework)を提案する。提案したPS-HRNetは,MLR-Market-1501,MLR-CUHK03,MLR-VIPeR,MLR-DukeMTMC-reID,CAVIARデータセット上でRan-1で3.4%,6.2%,2.5%,1.1%,4.2%の改善を行った。
参考スコア（独自算出の注目度）: 22.104449922937338
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Person re-identification (re-ID) tackles the problem of matching person images with the same identity from different cameras. In practical applications, due to the differences in camera performance and distance between cameras and persons of interest, captured person images usually have various resolutions. We name this problem as Cross-Resolution Person Re-identification which brings a great challenge for matching correctly. In this paper, we propose a Deep High-Resolution Pseudo-Siamese Framework (PS-HRNet) to solve the above problem. Specifically, in order to restore the resolution of low-resolution images and make reasonable use of different channel information of feature maps, we introduce and innovate VDSR module with channel attention (CA) mechanism, named as VDSR-CA. Then we reform the HRNet by designing a novel representation head to extract discriminating features, named as HRNet-ReID. In addition, a pseudo-siamese framework is constructed to reduce the difference of feature distributions between low-resolution images and high-resolution images. The experimental results on five cross-resolution person datasets verify the effectiveness of our proposed approach. Compared with the state-of-the-art methods, our proposed PS-HRNet improves 3.4\%, 6.2\%, 2.5\%,1.1\% and 4.2\% at Rank-1 on MLR-Market-1501, MLR-CUHK03, MLR-VIPeR, MLR-DukeMTMC-reID, and CAVIAR datasets, respectively. Our code is available at \url{https://github.com/zhguoqing}.
Abstract（参考訳）: 人物再識別(re-id)は、異なるカメラから同一の人物画像をマッチングする問題に取り組む。実際の応用では、カメラ性能とカメラと興味のある人物の距離の違いにより、キャプチャされた人物画像は通常様々な解像度を持つ。我々はこの問題をクロス・リゾリューション・パーソナリティ(Cross-Resolution Person Re-identification)と呼んでいる。本稿では,PS-HRNet(Deep High-Resolution Pseudo-Siamese Framework)を提案する。具体的には、低解像度画像の解像度を復元し、特徴マップの異なるチャネル情報を利用するために、VDSR-CAと呼ばれるチャネルアテンション(CA)機構を備えたVDSRモジュールを導入し、革新する。そして、HRNet-ReIDと呼ばれる識別特徴を抽出するために、新しい表現ヘッドを設計することでHRNetを再構築する。さらに,低解像度画像と高分解能画像間の特徴分布の違いを低減すべく疑似シアムフレームワークを構築した。 5つのクロスレゾリューションパーソンデータセットの実験結果は,提案手法の有効性を検証する。提案手法と比較してPS-HRNetは, MLR-Market-1501, MLR-CUHK03, MLR-VIPeR, MLR-DukeMTMC-reID, CAVIARデータセットでそれぞれ3.4\%, 6.2\%, 2.5\%, 1.1\%, 4.2\%の改善を行った。我々のコードは \url{https://github.com/zhguoqing} で入手できる。

関連論文リスト

Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
本稿では,C2-Matchingを提案する。 C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
論文参考訳（メタデータ） (2022-12-19T16:15:02Z)
Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
論文参考訳（メタデータ） (2022-07-09T03:49:51Z)
Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文参考訳（メタデータ） (2022-06-07T14:55:32Z)
Memory-augmented Deep Unfolding Network for Guided Image Super-resolution [67.83489239124557]
誘導画像超解像(GISR)は、HR画像の誘導の下で低解像度(LR)目標画像の空間分解能を高めて高解像度(HR)目標画像を得る。従来のモデルベース手法は主に画像全体を取り、HR目標画像とHRガイダンス画像との事前分布を仮定する。 HR目標画像上で2種類の事前性を持つGISRの最大後部(MAP)推定モデルを提案する。
論文参考訳（メタデータ） (2022-02-12T15:37:13Z)
Resolution based Feature Distillation for Cross Resolution Person Re-Identification [17.86505685442293]
人物の再識別(re-id)は、異なるカメラビューで同一人物の画像を取得することを目的としている。解像度のミスマッチは、興味のある人とカメラの間の距離が異なるため起こる。本稿では,複数の解像度の問題を克服するために,分解能に基づく特徴蒸留(RFD)アプローチを提案する。
論文参考訳（メタデータ） (2021-09-16T11:07:59Z)
Low Resolution Information Also Matters: Learning Multi-Resolution Representations for Person Re-Identification [37.01666917620271]
クロスレゾリューションされた人物のリIDは、オーバーラップされていないカメラから撮影した人物の画像をマッチングすることを目的としている。 emphtextbfMulti-Resolution textbfRepresentations textbfJoint textbfLearning (textbfMRJL) 提案手法は,分解能再構成ネットワーク(RRN)とDFFN(Dual Feature Fusion Network)から構成される。
論文参考訳（メタデータ） (2021-05-26T16:54:56Z)
High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-04T03:28:33Z)
Resolution-invariant Person ReID Based on Feature Transformation and Self-weighted Attention [14.777001614779806]
Person Re-identification (ReID) は、画像やビデオのシーケンスで同一人物と一致することを目的としたコンピュータビジョンタスクである。本研究では,ReID特徴変換(RAFT)モジュールとSWA(Self-weighted attention)ReIDモジュールを備えた,新しい2ストリームネットワークを提案する。どちらのモジュールも、解決不変表現を得るために共同で訓練される。
論文参考訳（メタデータ） (2021-01-12T15:22:41Z)
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。