論文の概要: Pose-Guided Feature Learning with Knowledge Distillation for Occluded Person Re-Identification

• arxiv url: http://arxiv.org/abs/2108.00139v1
• Date: Sat, 31 Jul 2021 03:34:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-05 04:31:18.021201
• Title: Pose-Guided Feature Learning with Knowledge Distillation for Occluded Person Re-Identification
• Title（参考訳）: 失読者再同定のための知識蒸留によるポーズ誘導型特徴学習
• Authors: Kecheng Zheng, Cuiling Lan, Wenjun Zeng, Jiawei Liu, Zhizheng Zhang, Zheng-Jun Zha
• Abstract要約: PGFL-KD (Pose-Guided Feature Learning with Knowledge Distillation) というネットワークを提案する。 PGFL-KDは、メインブランチ(MB)と2つのポーズ誘導ブランチ(ieno)、フォアグラウンド強化ブランチ(FEB)、ボディ部分セマンティクス整列ブランチ(SAB)から構成される。 閉鎖型,部分的,包括型 ReID タスクの実験は,提案したネットワークの有効性を示す。
• 参考スコア（独自算出の注目度）: 137.8810152620818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Occluded person re-identification (ReID) aims to match person images with occlusion. It is fundamentally challenging because of the serious occlusion which aggravates the misalignment problem between images. At the cost of incorporating a pose estimator, many works introduce pose information to alleviate the misalignment in both training and testing. To achieve high accuracy while preserving low inference complexity, we propose a network named Pose-Guided Feature Learning with Knowledge Distillation (PGFL-KD), where the pose information is exploited to regularize the learning of semantics aligned features but is discarded in testing. PGFL-KD consists of a main branch (MB), and two pose-guided branches, \ieno, a foreground-enhanced branch (FEB), and a body part semantics aligned branch (SAB). The FEB intends to emphasise the features of visible body parts while excluding the interference of obstructions and background (\ieno, foreground feature alignment). The SAB encourages different channel groups to focus on different body parts to have body part semantics aligned representation. To get rid of the dependency on pose information when testing, we regularize the MB to learn the merits of the FEB and SAB through knowledge distillation and interaction-based training. Extensive experiments on occluded, partial, and holistic ReID tasks show the effectiveness of our proposed network.
• Abstract（参考訳）: occluded person re-identification(reid)は、人物画像と咬合とのマッチングを目的としている。 画像間のミスアライメント問題を悪化させる重大な閉塞のため、基本的には難しい。 ポーズ推定器を組み込むコストがかかると、多くの作品がトレーニングとテストの両方における不一致を軽減するためにポーズ情報を導入している。 低推論複雑性を保ちながら高い精度を達成するために,ポーズ情報を活用してセマンティクスに整合した特徴の学習を規則化するPose-Guided Feature Learning with Knowledge Distillation (PGFL-KD) というネットワークを提案する。 PGFL-KDはメインブランチ(MB)と2つのポーズ誘導ブランチ(Shaieno)、フォアグラウンド強化ブランチ(FEB)、ボディ部分セマンティクス整列ブランチ(SAB)から構成される。 FEBは、障害物や背景の干渉(前景の特徴アライメント)を除いて、目に見える身体部分の特徴を強調することを目指している。 SABは、異なるチャネルグループに対して、ボディ部分のセマンティクスが整合した表現を持つように、異なるボディ部分に集中するよう促している。 テスト時のポーズ情報への依存を取り除くため,MBを正規化し,知識蒸留とインタラクションベーストレーニングを通じて,FEBとSABのメリットを学習する。 occluded, partial, and holistic reidタスクに関する広範な実験により,提案するネットワークの有効性が示された。

関連論文リスト

• Shape-Erased Feature Learning for Visible-Infrared Person Re-Identification [90.39454748065558]
  体型は、VI-ReIDにとって重要なモダリティシェードの1つである。 本稿では,2つの部分空間におけるモダリティ共有特徴を関連づける形状学習パラダイムを提案する。 SYSU-MM01, RegDB, HITSZ-VCMデータセットを用いた実験により, 本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-04-09T10:22:10Z)
• Occluded Person Re-Identification via Relational Adaptive Feature Correction Learning [8.015703163954639]
  複数のカメラが捉えた画像中の被写体再識別(Re-ID)は、歩行者や物体が被写体を隠蔽しているため困難である。 既存のほとんどの手法では、ネットワークを擬似ラベルとして利用しており、エラーを起こしやすい。 本稿では,Occlusion Correction Network (OCNet) を提案する。Occlusion Correction Network (OCNet) は,リレーショナル・ウェイト・ラーニングによって特徴を補正し,外部ネットワークを使わずに多様で代表的な特徴を得られる。
  論文  参考訳（メタデータ） (2022-12-09T07:48:47Z)
• Pose-disentangled Contrastive Learning for Self-supervised Facial Representation [12.677909048435408]
  本稿では,汎用的な自己監督型顔表情表現のための,Pose-disentangled Contrastive Learning (PCL) 手法を提案する。 当社のPCLは、まず、顔認識機能からポーズ関連機能を切り離した、ポーズ異形デコーダ(PDD)を考案した。 次に、同じ画像のデータ拡張に基づいてポーズ関連情報を学習する、ポーズ関連コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-11-24T09:30:51Z)
• Body Part-Based Representation Learning for Occluded Person Re-Identification [102.27216744301356]
  隠蔽人物再識別(ReID)とは,隠蔽人物画像と包括的人物画像とのマッチングを目的とした人物検索タスクである。 パートベースの手法は、微細な情報を提供し、部分的に見える人間の体を表現するのに適しているため、有益であることが示されている。 本稿では,BPBreIDという身体部分に基づくReIDモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-07T16:48:41Z)
• Pose Attention-Guided Profile-to-Frontal Face Recognition [13.96448286983864]
  本稿では,アテンション機構を介してポーズを補助情報として活用するための新しいアプローチを提案する。 我々は、プロファイル顔からポーズ非依存の特徴抽出を特別に導くために、新しいポーズアテンションブロック(PAB)を開発した。 より具体的に言うと、PABはネットワークがチャネル次元と空間次元の両方に沿って重要な特徴に焦点を合わせるのに役立つように設計されている。
  論文  参考訳（メタデータ） (2022-09-15T02:06:31Z)
• Pose-guided Feature Disentangling for Occluded Person Re-identification Based on Transformer [15.839842504357144]
  人体の一部が障害物によって遮られる可能性があるため、人体再同定は難しい作業です。 既存のポーズ誘導法では、グラフマッチングに従って身体部分を調整することでこの問題を解決している。 本稿では, ポーズ情報を利用して, 意味成分を明瞭にアンタングル化することで, トランスフォーマーに基づくPFD法を提案する。
  論文  参考訳（メタデータ） (2021-12-05T03:23:31Z)
• Batch Coherence-Driven Network for Part-aware Person Re-Identification [79.33809815035127]
  既存のパートアウェアの人物再識別方法は、通常、ボディ部分の検出と部分レベルの特徴抽出という2つのステップを使用する。 トレーニングフェーズとテストフェーズの両方で身体の一部をバイパスし,セマンティックに整合した機能を実現するNetworkBCDNetを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:04:13Z)
• Pose-guided Visible Part Matching for Occluded Person ReID [80.81748252960843]
  本稿では、ポーズ誘導による特徴の識別を共同で学習し、その部分の可視性を自己判断する Pose-Guided Visible Part Matching (PVPM) 法を提案する。 実験結果から,提案手法は最先端手法と競合する性能を示した。
  論文  参考訳（メタデータ） (2020-04-01T04:36:51Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。