論文の概要: Subtask-dominated Transfer Learning for Long-tail Person Search

• arxiv url: http://arxiv.org/abs/2112.00527v1
• Date: Wed, 1 Dec 2021 14:34:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 14:30:32.412957
• Title: Subtask-dominated Transfer Learning for Long-tail Person Search
• Title（参考訳）: ロングテール人物探索のためのサブタスク支配型トランスファー学習
• Authors: Chuang Liu, Hua Yang, Qin Zhou, Shibao Zheng
• Abstract要約: 人物探索は、パノラマギャラリー画像から質問者を見つけるために、人物検出と人物再識別(Re-ID)を統一する。 1つの大きな課題は、不均衡なロングテールの個人識別分布である。 本稿では,この問題を解決するために,Subtask-dominated Transfer Learning (STL)法を提案する。
• 参考スコア（独自算出の注目度）: 12.311100923753449
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person search unifies person detection and person re-identification (Re-ID) to locate query persons from the panoramic gallery images. One major challenge comes from the imbalanced long-tail person identity distributions, which prevents the one-step person search model from learning discriminative person features for the final re-identification. However, it is under-explored how to solve the heavy imbalanced identity distributions for the one-step person search. Techniques designed for the long-tail classification task, for example, image-level re-sampling strategies, are hard to be effectively applied to the one-step person search which jointly solves person detection and Re-ID subtasks with a detection-based multi-task framework. To tackle this problem, we propose a Subtask-dominated Transfer Learning (STL) method. The STL method solves the long-tail problem in the pretraining stage of the dominated Re-ID subtask and improves the one-step person search by transfer learning of the pretrained model. We further design a Multi-level RoI Fusion Pooling layer to enhance the discrimination ability of person features for the one-step person search. Extensive experiments on CUHK-SYSU and PRW datasets demonstrate the superiority and effectiveness of the proposed method.
• Abstract（参考訳）: 人物探索は、人物検出と人物再識別(Re-ID)を統一し、パノラマギャラリー画像から質問者を特定する。 1つの大きな課題は、不均衡なロングテールの人物識別分布であり、1段階の人物探索モデルが最終識別のための識別的人物特徴を学習することを防ぐ。 しかし,一段階探索における重度不均衡なアイデンティティ分布の解法については未検討である。 ロングテール分類タスク用に設計された手法、例えば画像レベルの再サンプリング戦略は、検出ベースのマルチタスクフレームワークで人物検出と再idサブタスクを共同で解決するワンステップ人物探索に効果的に適用することは困難である。 そこで本研究では,Subtask-dominated Transfer Learning (STL)法を提案する。 STL法は、支配的なRe-IDサブタスクの事前学習段階におけるロングテール問題を解くとともに、事前訓練されたモデルの転送学習によるワンステップ人物探索を改善する。 さらに,一段階の人物探索のための人物特徴の識別能力を高めるために,多段階のRoI核融合プール層を設計する。 CUHK-SYSUとPRWデータセットの大規模な実験により,提案手法の優位性と有効性を示した。

関連論文リスト

• Divide and Conquer: Hybrid Pre-training for Person Search [40.13016375392472]
  本研究では,サブタスクデータのみを用いた人物検索のためのハイブリッド事前学習フレームワークを提案する。 我々のモデルは、人物探索法、微調整データ、事前学習データ、モデルバックボーンなど、多様なプロトコルで大幅に改善できる。 私たちのコードと事前訓練されたモデルは、人検索コミュニティにプラグイン・アンド・プレイの使用のためにリリースされます。
  論文  参考訳（メタデータ） (2023-12-13T08:33:50Z)
• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• Sequential Transformer for End-to-End Person Search [4.920657401819193]
  人物探索は、現実的かつ未収集のギャラリーイメージから対象人物を同時にローカライズし、認識することを目的としている。 本稿では,この課題に対処するエンド・ツー・エンドの人物探索のためのシークエンシャル・トランスフォーマー(SeqTR)を提案する。 我々のSeqTRは検出変換器と、検出タスクと再IDタスクを逐次処理する新しいre-ID変換器を備えている。
  論文  参考訳（メタデータ） (2022-11-06T09:32:30Z)
• 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)
• Making Person Search Enjoy the Merits of Person Re-identification [12.311100923753449]
  我々はTDN(Teacher-guided Disentangling Networks)という,より高速で強力な人物検索フレームワークを提案する。 提案したTDNは、高度な人物Re-ID知識を人物検索モデルに転送することにより、人物検索性能を大幅に向上させることができる。 また,Re-IDモデルとワンステップ人物探索モデルとの間の入力形式の違いによるスケールギャップを橋渡しする知識伝達ブリッジモジュールを提案する。
  論文  参考訳（メタデータ） (2021-08-24T06:00:13Z)
• 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)
• Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
  本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。 これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。 提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
  論文  参考訳（メタデータ） (2021-01-16T07:31:00Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• FMT:Fusing Multi-task Convolutional Neural Network for Person Search [33.91664470686695]
  本稿では,検出と再同定の相関性と不均一性に対処するために,FMT-CNN(Fusing Multi-task Convolutional Neural Network)を提案する。 CUHK-SYSU Person Searchデータセットの実験結果から,提案手法の性能は最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-01T05:20:47Z)
• 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)

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。