論文の概要: Resolution based Feature Distillation for Cross Resolution Person Re-Identification

• arxiv url: http://arxiv.org/abs/2109.07871v1
• Date: Thu, 16 Sep 2021 11:07:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-17 21:08:53.048609
• Title: Resolution based Feature Distillation for Cross Resolution Person Re-Identification
• Title（参考訳）: クロスレゾリューション人物再同定のためのリゾリューションに基づく特徴蒸留
• Authors: Asad Munir, Chengjin Lyu, Bart Goossens, Wilfried Philips, Christian Micheloni
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.86505685442293
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Person re-identification (re-id) aims to retrieve images of same identities across different camera views. Resolution mismatch occurs due to varying distances between person of interest and cameras, this significantly degrades the performance of re-id in real world scenarios. Most of the existing approaches resolve the re-id task as low resolution problem in which a low resolution query image is searched in a high resolution images gallery. Several approaches apply image super resolution techniques to produce high resolution images but ignore the multiple resolutions of gallery images which is a better realistic scenario. In this paper, we introduce channel correlations to improve the learning of features from the degraded data. In addition, to overcome the problem of multiple resolutions we propose a Resolution based Feature Distillation (RFD) approach. Such an approach learns resolution invariant features by filtering the resolution related features from the final feature vectors that are used to compute the distance matrix. We tested the proposed approach on two synthetically created datasets and on one original multi resolution dataset with real degradation. Our approach improves the performance when multiple resolutions occur in the gallery and have comparable results in case of single resolution (low resolution re-id).
• Abstract（参考訳）: person re-identification (re-id) は、異なるカメラビューで同じアイデンティティ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の違いによって起こり、これは現実世界のシナリオにおけるre-idのパフォーマンスを著しく低下させる。 既存のアプローチのほとんどは、高解像度画像ギャラリーで低解像度のクエリ画像を検索する低解像度問題として、re-idタスクを解決している。 イメージスーパーレゾリューション技術を適用して高解像度画像を生成する手法はいくつかあるが、より現実的なシナリオであるギャラリー画像の多重解像度を無視している。 本稿では,劣化データから特徴の学習を改善するために,チャネル相関を導入する。 さらに,複数解像度の問題を解決するために,分解能に基づく特徴蒸留(RFD)手法を提案する。 このようなアプローチは、距離行列を計算するのに使われる最後の特徴ベクトルから分解に関連する特徴をフィルタリングすることで分解能不変特徴を学習する。 提案手法は,合成した2つのデータセットと,実際の劣化を伴う1つのオリジナルマルチレゾリューションデータセットで検証した。 当社のアプローチは,複数の解像度がギャラリー内で発生した場合のパフォーマンスを改善し,単一解像度(低解像度再id)の場合と同等の結果を得る。

関連論文リスト

• Continuous Cross-resolution Remote Sensing Image Change Detection [28.466756872079472]
  実世界のアプリケーションは、空間解像度の異なるバイテンポラルイメージに基づいて、クロスレゾリューション変化検出(別名、CD)の必要性を高める。 本研究では,様々な解像度差の合成サンプルから得られたHR結果を連続的に予測するモデルを実現するために,スケール不変学習を提案する。 提案手法は,3つのデータセット上で,いくつかのバニラCD法と2つのクロスレゾリューションCD法より有意に優れていた。
  論文  参考訳（メタデータ） (2023-05-24T04:57:24Z)
• ResFormer: Scaling ViTs with Multi-Resolution Training [100.01406895070693]
  私たちはResFormerを紹介します。ResFormerは、広く、ほとんど目に見えない、テストの解像度でパフォーマンスを改善するフレームワークです。 特にResFormerは、異なる解像度の再現されたイメージを実行し、さまざまなスケールでインタラクティブな情報をエンゲージするスケール一貫性の損失を強制する。 さらに、ResFormerは柔軟性があり、セマンティックセグメンテーション、オブジェクト検出、ビデオアクション認識に容易に拡張できることを示す。
  論文  参考訳（メタデータ） (2022-12-01T18:57:20Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• 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)
• 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)
• Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification [22.104449922937338]
  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。
  論文  参考訳（メタデータ） (2021-05-25T07:45:38Z)
• Image Matching with Scale Adjustment [57.18604132027697]
  可変スケールでの関心点の表現と抽出方法を示す。 2つの異なる解像度で2つの画像を比較する方法を提案する。
  論文  参考訳（メタデータ） (2020-12-10T11:03:25Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)
• 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。