論文の概要: Quality-aware Part Models for Occluded Person Re-identification

• arxiv url: http://arxiv.org/abs/2201.00107v1
• Date: Sat, 1 Jan 2022 03:51:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 14:21:16.783674
• Title: Quality-aware Part Models for Occluded Person Re-identification
• Title（参考訳）: 被写体再同定のための品質認識部モデル
• Authors: Pengfei Wang, Changxing Ding, Zhiyin Shao, Zhibin Hong, Shengli Zhang, Dacheng Tao
• Abstract要約: 咬合は人体再識別(ReID)にとって大きな課題となる 既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。 閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 77.24920810798505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Occlusion poses a major challenge for person re-identification (ReID). Existing approaches typically rely on outside tools to infer visible body parts, which may be suboptimal in terms of both computational efficiency and ReID accuracy. In particular, they may fail when facing complex occlusions, such as those between pedestrians. Accordingly, in this paper, we propose a novel method named Quality-aware Part Models (QPM) for occlusion-robust ReID. First, we propose to jointly learn part features and predict part quality scores. As no quality annotation is available, we introduce a strategy that automatically assigns low scores to occluded body parts, thereby weakening the impact of occluded body parts on ReID results. Second, based on the predicted part quality scores, we propose a novel identity-aware spatial attention (ISA) module. In this module, a coarse identity-aware feature is utilized to highlight pixels of the target pedestrian, so as to handle the occlusion between pedestrians. Third, we design an adaptive and efficient approach for generating global features from common non-occluded regions with respect to each image pair. This design is crucial, but is often ignored by existing methods. QPM has three key advantages: 1) it does not rely on any outside tools in either the training or inference stages; 2) it handles occlusions caused by both objects and other pedestrians;3) it is highly computationally efficient. Experimental results on four popular databases for occluded ReID demonstrate that QPM consistently outperforms state-of-the-art methods by significant margins. The code of QPM will be released.
• Abstract（参考訳）: 排除は、人の再識別(ReID)にとって大きな課題となる。 既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、視界部分の推測に外部ツールに依存している。 特に歩行者同士のような複雑な咬合に直面すると失敗することがある。 そこで本稿では,Occlusion-robust ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。 まず,部品の特徴を共同学習し,部品品質スコアを予測することを提案する。 品質アノテーションが利用できないため、隠蔽された身体部品に低得点を自動的に割り当てる戦略を導入し、隠蔽された身体部品がReID結果に与える影響を弱める。 第2に,予測した部分品質スコアに基づいて,新しいアイデンティティ認識空間注意(isa)モジュールを提案する。 このモジュールでは、対象歩行者の画素を強調するために粗いアイデンティティ認識機能を利用し、歩行者間の閉塞に対処する。 第3に,画像ペア毎に共通の非閉塞領域からグローバル特徴を生成するための適応的かつ効率的な手法を考案する。 この設計は重要であるが、しばしば既存の方法によって無視される。 QPMには3つの大きな利点がある。 1) トレーニングや推論の段階において、外部のツールに依存しない。 2) 物体と歩行者の両方による閉塞を処理し, 計算効率が高い。 閉鎖されたReIDのための4つの人気データベースの実験結果から、QPMは最先端の手法を著しく上回っていることが示された。 QPMのコードはリリースされます。

関連論文リスト

• AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
  人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。 まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。 そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
  論文  参考訳（メタデータ） (2024-03-26T17:59:23Z)
• SDR-GAIN: A High Real-Time Occluded Pedestrian Pose Completion Method for Autonomous Driving [3.3113002380233447]
  本稿では,SDR-GAIN(SDR-GAIN)と呼ばれる新規な歩行者ポーズキーポイント完了手法を提案する。 SDR-GAINアルゴリズムは、約0.4msの驚くほど短い実行時間を示し、例外的なリアルタイム性能を誇っている。
  論文  参考訳（メタデータ） (2023-06-06T09:35:56Z)
• 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)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
  本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。 歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。 ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
  論文  参考訳（メタデータ） (2020-09-16T06:33:35Z)
• An Attention-Based Deep Learning Model for Multiple Pedestrian Attributes Recognition [4.6898263272139795]
  本稿では,監視映像における歩行者の自動特徴付け問題に対する新しい解決策を提供する。 本稿では,より包括的な特徴表現を抽出するために,要素ワイド乗算層を用いたマルチタスクディープモデルを提案する。 実験は,2つのよく知られたデータセット (RAP と PETA) を用いて実施し,提案手法の最先端性に着目した。
  論文  参考訳（メタデータ） (2020-04-02T16:21:14Z)
• 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)

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。