論文の概要: Gait Recognition with Mask-based Regularization
- arxiv url: http://arxiv.org/abs/2203.04038v1
- Date: Tue, 8 Mar 2022 12:13:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-09 14:51:54.869450
- Title: Gait Recognition with Mask-based Regularization
- Title(参考訳): マスクベース正則化による歩行認識
- Authors: Chuanfu Shen, Beibei Lin, Shunli Zhang, George Q. Huang, Shiqi Yu, Xin
Yu
- Abstract要約: 本稿では,ReverseMaskというマスクを用いた新しい正規化手法を提案する。
特徴マップをインジェクトすることにより,提案手法は,畳み込みアーキテクチャが識別表現を学習するのに役立つ。
プラグアンドプレイ インセプションのようなReverseMaskブロックは、ネットワークを一般化するのにシンプルで効果的である。
- 参考スコア(独自算出の注目度): 31.901166591272464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most gait recognition methods exploit spatial-temporal representations from
static appearances and dynamic walking patterns. However, we observe that many
part-based methods neglect representations at boundaries. In addition, the
phenomenon of overfitting on training data is relatively common in gait
recognition, which is perhaps due to insufficient data and low-informative gait
silhouettes. Motivated by these observations, we propose a novel mask-based
regularization method named ReverseMask. By injecting perturbation on the
feature map, the proposed regularization method helps convolutional
architecture learn the discriminative representations and enhances
generalization. Also, we design an Inception-like ReverseMask Block, which has
three branches composed of a global branch, a feature dropping branch, and a
feature scaling branch. Precisely, the dropping branch can extract fine-grained
representations when partial activations are zero-outed. Meanwhile, the scaling
branch randomly scales the feature map, keeping structural information of
activations and preventing overfitting. The plug-and-play Inception-like
ReverseMask block is simple and effective to generalize networks, and it also
improves the performance of many state-of-the-art methods. Extensive
experiments demonstrate that the ReverseMask regularization help baseline
achieves higher accuracy and better generalization. Moreover, the baseline with
Inception-like Block significantly outperforms state-of-the-art methods on the
two most popular datasets, CASIA-B and OUMVLP. The source code will be
released.
- Abstract(参考訳): ほとんどの歩行認識法は静的な外見や動的歩行パターンから時空間表現を利用する。
しかし,多くの部分的手法は境界における表現を無視している。
加えて、トレーニングデータへの過剰フィッティング現象は、おそらく不十分なデータと低インフォーメーションなガイトシルエットによって引き起こされるため、歩行認識において比較的一般的である。
そこで本研究では,ReverseMaskというマスクを用いた新しい正規化手法を提案する。
特徴写像に摂動を注入することにより、畳み込みアーキテクチャが識別表現を学習し、一般化を促進するのに役立つ。
また、インセプションのようなReverseMask Blockを設計し、グローバルブランチ、フィーチャードロップブランチ、フィーチャースケーリングブランチの3つのブランチを持つ。
正確には、ドロップブランチは、部分的なアクティベーションがゼロになったときにきめ細かい表現を抽出することができる。
一方、スケーリングブランチは、機能マップをランダムにスケーリングし、アクティベーションの構造情報を保持し、オーバーフィッティングを防止する。
プラグアンドプレイのインセプションライクなReverseMaskブロックは、ネットワークの一般化にシンプルで効果的であり、また、多くの最先端メソッドの性能を向上させる。
大規模な実験により、ReverseMask正則化がベースラインの精度の向上と一般化の促進に役立つことが示されている。
さらに、InceptionライクなBlockによるベースラインは、最も人気のある2つのデータセットであるCASIA-BとOUMVLPの最先端メソッドよりも大幅に優れています。
ソースコードはリリースされます。
関連論文リスト
- UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。
まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。
次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
論文 参考訳(メタデータ) (2024-02-12T19:39:26Z) - Towards Compact 3D Representations via Point Feature Enhancement Masked
Autoencoders [52.66195794216989]
本稿では,コンパクトな3D表現を学習するために,ポイント特徴強調マスク付きオートエンコーダ(Point-FEMAE)を提案する。
Point-FEMAEはグローバルブランチとローカルブランチで構成され、潜在意味的特徴をキャプチャする。
本手法は, クロスモーダル方式と比較して, 事前学習効率を著しく向上させる。
論文 参考訳(メタデータ) (2023-12-17T14:17:05Z) - High-fidelity Pseudo-labels for Boosting Weakly-Supervised Segmentation [17.804090651425955]
画像レベルの弱い教師付きセグメンテーション(WSSS)は、トレーニング中にセグメンテーションマスクを代理することで、通常膨大なデータアノテーションコストを削減する。
本研究は,GAPの代替となる重要サンプリングと特徴類似性損失という,CAMを改善するための2つの手法に基づく。
複数の独立二項問題の後部二項問題に基づいて両手法を再構成する。
パフォーマンスが向上し、より一般的なものになり、事実上あらゆるWSSSメソッドを増強できるアドオンメソッドが出来上がります。
論文 参考訳(メタデータ) (2023-04-05T17:43:57Z) - Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。
2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。
この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
論文 参考訳(メタデータ) (2022-07-19T03:31:13Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳(メタデータ) (2021-11-17T13:30:31Z) - Inferring community characteristics in labelled networks [6.85316573653194]
我々は新しい生成モデルである特徴第一ブロックモデル(FFBM)を導入する。
FFBMパラメータの後方分布から効率的にサンプリングする方法を提案する。
提案手法の主な利点は、機能空間全体が自動的に使用され、影響に応じて暗黙的に機能をランク付けできる点である。
論文 参考訳(メタデータ) (2021-05-28T12:07:10Z) - Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。
符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。
私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
論文 参考訳(メタデータ) (2021-04-28T13:17:47Z) - The surprising impact of mask-head architecture on novel class
segmentation [27.076315496682444]
マスクヘッドのアーキテクチャは,トレーニング中にマスクを観察しないクラスへの一般化において,驚くほど重要な役割を担っている。
また,マスクヘッドアーキテクチャを選択すれば,従来の文献で提案された特別なモジュールや損失を必要とせずに,部分的に監督されたCOCOベンチマーク上でSOTA結果が得られることを示す。
論文 参考訳(メタデータ) (2021-04-01T16:46:37Z) - 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)
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。