論文の概要: Multi-Level Attention for Unsupervised Person Re-Identification
- arxiv url: http://arxiv.org/abs/2201.03141v1
- Date: Mon, 10 Jan 2022 02:47:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-11 16:02:22.015597
- Title: Multi-Level Attention for Unsupervised Person Re-Identification
- Title（参考訳）: 教師なし再確認に対する多段階注意
- Authors: Yi Zheng
- Abstract要約: 教師なしの人物再識別において、多頭自尊心で表される注意モジュールは、非地上真実の条件下での注意の拡散に悩まされる。
画素レベルのアテンションモジュールを設計し,マルチヘッドの自己注意に制約を与える。
個人再識別データの識別対象がすべて歩行者である特性については,ドメインレベルのアテンションモジュールを設計する。
- 参考スコア（独自算出の注目度）: 9.529435737056179
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The attention mechanism is widely used in deep learning because of its
excellent performance in neural networks without introducing additional
information. However, in unsupervised person re-identification, the attention
module represented by multi-headed self-attention suffers from attention
spreading in the condition of non-ground truth. To solve this problem, we
design pixel-level attention module to provide constraints for multi-headed
self-attention. Meanwhile, for the trait that the identification targets of
person re-identification data are all pedestrians in the samples, we design
domain-level attention module to provide more comprehensive pedestrian
features. We combine head-level, pixel-level and domain-level attention to
propose multi-level attention block and validate its performance on for large
person re-identification datasets (Market-1501, DukeMTMC-reID and MSMT17 and
PersonX).
- Abstract（参考訳）: このアテンションメカニズムは、追加情報を導入することなくニューラルネットワークの性能に優れたため、ディープラーニングで広く使用されている。
しかし、教師なしの人物再同定では、多頭自己完結で表される注意モジュールは、非根拠真理の状態での注意の広がりに苦しむ。
この問題を解決するため,画素レベルのアテンションモジュールを設計し,マルチヘッドの自己注意に制約を与える。
一方,人物再同定データの識別対象がすべて歩行者である特性について,より包括的な歩行者機能を提供するために,ドメインレベルの注意モジュールを設計する。
ヘッドレベル,ピクセルレベル,ドメインレベルの注意を組み合わせ、多レベル注意ブロックを提案し、大人数再識別データセット(Market-1501, DukeMTMC-reID, MSMT17, PersonX)の性能を検証した。
関連論文リスト
- Spectrum-guided Feature Enhancement Network for Event Person
Re-Identification [82.52960675574353]
スペクトル誘導型特徴拡張ネットワーク(SFE-Net)について紹介する。
SFE-Netは、Multi-grain Spectrum Attention Mechanism (MSAM)とConsecutive Patch Dropout Module (CPDM)の2つの革新的なコンポーネントで構成されている。
論文 参考訳（メタデータ） (2024-02-02T09:47:26Z) - Learning Cross-modality Information Bottleneck Representation for
Heterogeneous Person Re-Identification [61.49219876388174]
Visible-Infrared person re-identification (VI-ReID)は、インテリジェントビデオ監視において重要かつ困難な課題である。
既存の手法は主に共有特徴空間の学習に重点を置いており、可視光と赤外光の相違を減らす。
本稿では,新しい相互情報・モダリティコンセンサスネットワーク,すなわちCMInfoNetを提案し,モダリティ不変な同一性の特徴を抽出する。
論文 参考訳（メタデータ） (2023-08-29T06:55:42Z) - Dual Cross-Attention Learning for Fine-Grained Visual Categorization and
Object Re-Identification [19.957957963417414]
本稿では,自己意図学習と協調する2つのクロスアテンション学習(DCAL)アルゴリズムを提案する。
まず,グローバル・ローカル・クロスアテンション(GLCA)を提案する。
第2に、画像ペア間の相互作用を確立するために、ペアワイズ・クロスアテンション(PWCA)を提案する。
論文 参考訳（メタデータ） (2022-05-04T16:14:26Z) - Alignment Attention by Matching Key and Query Distributions [48.93793773929006]
本稿では,各ヘッダ内のキーとクエリの分布を一致させる自己注意を促すアライメントアテンションアテンションアテンションアテンションアテンションを導入している。
事前学習したモデルを含む自己注意のモデルはすべて、提案したアライメントアテンションアテンションアテンションに変換することが簡単である。
様々な言語理解タスクにおいて, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃に対する堅牢性などの手法の有効性を示す。
論文 参考訳（メタデータ） (2021-10-25T00:54:57Z) - Person Re-identification via Attention Pyramid [74.80544921378998]
人物再識別のための注意ピラミッド手法を提案する。
我々の注目ピラミッドは、異なるスケールで人の注意が変化するため、マルチスケールで注意領域を活用します。
本手法は, Market-1501, DukeMTMC, CUHK03, MSMT17 の4つの大規模人物識別ベンチマークを用いて評価した。
論文 参考訳（メタデータ） (2021-08-11T17:33:36Z) - Information Bottleneck Approach to Spatial Attention Learning [21.083618550304703]
人間の視覚システム(HVS)における選択的な視覚的注意機構は、自然のシーンを認識するための視覚的認識に到達するための情報の量を制限する。
このような選択性は、情報圧縮と予測精度のトレードオフを求める「情報ボトルネック(IB)」として機能する。
視覚認識のために構築されたディープニューラルネットワーク(DNN)のためのIBインスパイアされた空間アテンションモジュールを提案する。
論文 参考訳（メタデータ） (2021-08-07T10:35:32Z) - Multi-Branch with Attention Network for Hand-Based Person Recognition [5.162308830328819]
本稿では,犯罪捜査を目的とした手動人物認識手法を提案する。
提案手法は,マルチブランチ・アテンション・ネットワーク (MBA-Net) で,チャネル・アテンション・モジュールと空間アテンション・モジュールを併用する。
提案手法は,既存の手動識別手法を超越して,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-08-04T18:25:08Z) - Deep Reinforced Attention Learning for Quality-Aware Visual Recognition [73.15276998621582]
我々は,任意の畳み込みニューラルネットワークにおける中間注意マップの弱教師付き生成機構を構築した。
メタ批評家ネットワークを導入し、メインネットワークにおける注目マップの質を評価する。
論文 参考訳（メタデータ） (2020-07-13T02:44:38Z) - Deep Attention Aware Feature Learning for Person Re-Identification [22.107332426681072]
本稿では,人物のReIDネットワークに注意学習を付加目的として組み込むことを提案する。
我々は2つの典型的なネットワーク(TriNetとBag of Tricks)でその性能をテストし、5つの広く使われているデータセットで大幅な性能改善を観測した。
論文 参考訳（メタデータ） (2020-03-01T16:27:14Z) - 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。