論文の概要: CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person Search

• arxiv url: http://arxiv.org/abs/2203.14307v1
• Date: Sun, 27 Mar 2022 13:57:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 18:45:12.439040
• Title: CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person Search
• Title（参考訳）: CGUA: コンテキストガイドとアンペア支援による弱視者検索
• Authors: Chengyou Jia, Minnan Luo, Caixia Yan, Xiaojun Chang, Qinghua Zheng
• Abstract要約: 本稿では,コンテキストガイドとアンペア支援(CGUA)を弱教師付き人物検索フレームワークとして導入する。 具体的には、クラスタリングプロセスにおけるコンテキスト情報を活用する新しいコンテキストガイドクラスタ(CGC)アルゴリズムを提案する。 本手法は,より多様なラベル付きデータを活用することにより,最先端の教師付き手法に匹敵する,あるいは優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 54.106662998673514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, weakly supervised person search is proposed to discard human-annotated identities and train the model with only bounding box annotations. A natural way to solve this problem is to separate it into detection and unsupervised re-identification (Re-ID) steps. However, in this way, two important clues in unconstrained scene images are ignored. On the one hand, existing unsupervised Re-ID models only leverage cropped images from scene images but ignore its rich context information. On the other hand, there are numerous unpaired persons in real-world scene images. Directly dealing with them as independent identities leads to the long-tail effect, while completely discarding them can result in serious information loss. In light of these challenges, we introduce a Context-Guided and Unpaired-Assisted (CGUA) weakly supervised person search framework. Specifically, we propose a novel Context-Guided Cluster (CGC) algorithm to leverage context information in the clustering process and an Unpaired-Assisted Memory (UAM) unit to distinguish unpaired and paired persons by pushing them away. Extensive experiments demonstrate that the proposed approach can surpass the state-of-the-art weakly supervised methods by a large margin (more than 5% mAP on CUHK-SYSU). Moreover, our method achieves comparable or better performance to the state-of-the-art supervised methods by leveraging more diverse unlabeled data. Codes and models will be released soon.
• Abstract（参考訳）: 近年, 弱教師付き人物探索法が提案され, 人身認証を廃止し, ボックスアノテーションのみを用いてモデルを訓練している。 この問題を解決する自然な方法は、それを検出と教師なしの再識別(Re-ID)ステップに分けることである。 しかし、この方法では、制約のないシーンイメージには2つの重要な手がかりが無視される。 一方、既存の教師なしRe-IDモデルでは、シーンイメージから取得した画像のみを活用するが、リッチなコンテキスト情報を無視する。 一方、現実世界の風景画像には多数の未舗装の人物が写っている。 それらを独立したアイデンティティとして直接扱うことは、ロングテール効果をもたらすが、完全に捨ててしまうと深刻な情報喪失につながる。 これらの課題を踏まえて、我々は、弱い教師付き人物検索フレームワーク(CGUA)を導入する。 具体的には,クラスタ化プロセスにおけるコンテキスト情報を活用するcgc(context-guided cluster)アルゴリズムと,非ペア化支援メモリ(unpaired-assisted memory, uam)ユニットを提案する。 大規模な実験により、提案手法は最先端の弱い教師付き手法を大きなマージン(CUHK-SYSUでは5%以上のmAP)で超えることを示した。 さらに,より多様なラベルなしデータを活用することにより,最先端の教師付き手法と同等あるいは優れた性能を実現する。 コードとモデルはまもなくリリースされる。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Hard-sample Guided Hybrid Contrast Learning for Unsupervised Person Re-Identification [8.379286663107845]
  教師なしの人物再識別(Re-ID)は、コンピュータビジョンにおける有望で非常に困難な研究課題である。 本稿では、クラスタレベルの損失とインスタンスレベルの損失を組み合わせたHHCL(Hard-sample Guided Hybrid Contrast Learning)アプローチを提案する。 2つの人気のある大規模Re-IDベンチマークの実験は、我々のHHCLが従来の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-09-25T10:43:37Z)
• 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)
• 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)
• Do Not Disturb Me: Person Re-identification Under the Interference of Other Pedestrians [97.45805377769354]
  本稿では,Pedestrian-Interference Suppression Network (PISNet)と呼ばれる新しいディープネットワークを提案する。 PISNetはクエリガイド付アテンションブロック(QGAB)を活用して、クエリのガイダンスの下でギャラリー内のターゲットの機能を強化する。 その結果,提案手法は既存のRe-ID手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2020-08-16T17:45:14Z)
• Unsupervised Person Re-identification via Softened Similarity Learning [122.70472387837542]
  人物再識別(re-ID)はコンピュータビジョンにおいて重要なトピックである。 本稿では,ラベル付き情報を必要としないre-IDの教師なし設定について検討する。 2つの画像ベースおよびビデオベースデータセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-04-07T17:16:41Z)
• 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。