論文の概要: Multi-Centroid Representation Network for Domain Adaptive Person Re-ID

• arxiv url: http://arxiv.org/abs/2112.11689v1
• Date: Wed, 22 Dec 2021 06:40:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 15:28:07.535267
• Title: Multi-Centroid Representation Network for Domain Adaptive Person Re-ID
• Title（参考訳）: ドメイン適応型Re-IDのためのマルチセントロイド表現ネットワーク
• Authors: Yuhang Wu, Tengteng Huang, Haotian Yao, Chi Zhang, Yuanjie Shao, Chuchu Han, Changxin Gao, Nong Sang
• Abstract要約: 本稿では,クラスタ内の異なるID情報を適応的にキャプチャする新しいマルチセンタロイドメモリ(MCM)を提案する。 MCMは、問合せ画像に対して適切な正負のセントロイドを選択することにより、ラベルノイズの問題を効果的に軽減することができる。 また、コントラスト学習プロセスを改善するための2つの戦略を提案する。
• 参考スコア（独自算出の注目度）: 44.15222928084943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, many approaches tackle the Unsupervised Domain Adaptive person re-identification (UDA re-ID) problem through pseudo-label-based contrastive learning. During training, a uni-centroid representation is obtained by simply averaging all the instance features from a cluster with the same pseudo label. However, a cluster may contain images with different identities (label noises) due to the imperfect clustering results, which makes the uni-centroid representation inappropriate. In this paper, we present a novel Multi-Centroid Memory (MCM) to adaptively capture different identity information within the cluster. MCM can effectively alleviate the issue of label noises by selecting proper positive/negative centroids for the query image. Moreover, we further propose two strategies to improve the contrastive learning process. First, we present a Domain-Specific Contrastive Learning (DSCL) mechanism to fully explore intradomain information by comparing samples only from the same domain. Second, we propose Second-Order Nearest Interpolation (SONI) to obtain abundant and informative negative samples. We integrate MCM, DSCL, and SONI into a unified framework named Multi-Centroid Representation Network (MCRN). Extensive experiments demonstrate the superiority of MCRN over state-of-the-art approaches on multiple UDA re-ID tasks and fully unsupervised re-ID tasks.
• Abstract（参考訳）: 近年,疑似ラベルに基づくコントラスト学習を通じて,Unsupervised Domain Adaptive person Re-identification (UDA re-ID) 問題に取り組むアプローチが増えている。 トレーニング中、単一中心表現は、同じ擬似ラベルを持つクラスタからすべてのインスタンス特徴を平均化することによって得られる。 しかし、クラスタは、不完全なクラスタリング結果のため、異なるアイデンティティ(ラベルノイズ)を持つ画像を含む可能性があるため、ユニセントリド表現が不適切である。 本稿では,クラスタ内の異なるID情報を適応的にキャプチャする,Multi-Centroid Memory(MCM)を提案する。 MCMは、クエリ画像に対して適切な正負のセントロイドを選択することで、ラベルノイズの問題を効果的に軽減することができる。 さらに,コントラスト学習プロセスを改善するための2つの戦略を提案する。 まず,同一領域からのサンプルのみを比較して,ドメイン内情報を完全に探索するdscl(domain-specific contrastive learning)機構を提案する。 次に,2次近接補間法(SONI)を提案する。 MCM,DSCL,SONIをMulti-Centroid Representation Network(MCRN)という統合フレームワークに統合する。 大規模な実験は、複数のUDA re-IDタスクと完全に教師なし re-IDタスクに対する最先端のアプローチよりもMCRNの方が優れていることを示す。

関連論文リスト

• Generalizable Metric Network for Cross-domain Person Re-identification [55.71632958027289]
  クロスドメイン(ドメインの一般化)シーンは、Re-IDタスクにおいて課題となる。 既存のほとんどのメソッドは、すべてのドメインのドメイン不変またはロバストな機能を学ぶことを目的としています。 本稿では,サンプルペア空間における標本類似性を調べるために,GMN(Generalizable Metric Network)を提案する。
  論文  参考訳（メタデータ） (2023-06-21T03:05:25Z)
• Uncertainty-aware Clustering for Unsupervised Domain Adaptive Object Re-identification [123.75412386783904]
  最先端のオブジェクトRe-IDアプローチでは、クラスタリングアルゴリズムを採用して、ラベルのないターゲットドメインの擬似ラベルを生成する。 UDAタスクのための不確実性対応クラスタリングフレームワーク(UCF)を提案する。 我々のUCF法は、オブジェクトRe-IDのための複数のUDAタスクにおける最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2021-08-22T09:57:14Z)
• Unsupervised Person Re-identification via Simultaneous Clustering and Consistency Learning [22.008371113710137]
  静止画からの視覚的一貫性とトレーニングプロセス中の時間的一貫性を学習することにより、教師なし再IDのプリテキストタスクを設計します。 2つのエンコードされたビューを同じクラスタにグループ化し、ビュー間の視覚的一貫性を高めることで、モデルを最適化する。
  論文  参考訳（メタデータ） (2021-04-01T02:10:42Z)
• Learn by Guessing: Multi-Step Pseudo-Label Refinement for Person Re-Identification [0.0]
  有望なアプローチは、パイプラインの一部として教師なし学習を使用することに依存する。 本稿では,最善のクラスタを選択できるマルチステップ擬似ラベルリファインメント手法を提案する。 我々は、Market1501-DukeMTMCデータセットでUDA Re-IDの最先端を3.4%上回る。
  論文  参考訳（メタデータ） (2021-01-04T20:00:33Z)
• 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)
• Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification [64.37745443119942]
  本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。 3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-07-21T14:31:27Z)
• Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID [55.21702895051287]
  ドメイン適応オブジェクトre-IDは、学習した知識をラベル付けされたソースドメインからラベル付けされていないターゲットドメインに転送することを目的としています。 本稿では,ハイブリットメモリを用いた自己評価型コントラスト学習フレームワークを提案する。 提案手法は,オブジェクトre-IDの複数のドメイン適応タスクにおいて,最先端の処理性能を向上する。
  論文  参考訳（メタデータ） (2020-06-04T09:12:44Z)

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。