論文の概要: A Free Lunch to Person Re-identification: Learning from Automatically
Generated Noisy Tracklets
- arxiv url: http://arxiv.org/abs/2204.00891v1
- Date: Sat, 2 Apr 2022 16:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 14:42:15.180015
- Title: A Free Lunch to Person Re-identification: Learning from Automatically
Generated Noisy Tracklets
- Title(参考訳): 人物再同定のためのフリーランチ:自動生成ノイズトラックレットから学ぶ
- Authors: Hehan Teng, Tao He, Yuchen Guo, Zhenhua Guo, Guiguang Ding
- Abstract要約: 非教師付きビデオベース再識別(re-ID)手法は、re-IDデータセットのアノテートに必要な高コストの問題を解決するために提案されている。
しかし、彼らのパフォーマンスは監督対象よりもはるかに低い。
本稿では,自動生成人追跡装置から再IDモデルを学習することで,この問題に対処することを提案する。
- 参考スコア(独自算出の注目度): 52.30547023041587
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A series of unsupervised video-based re-identification (re-ID) methods have
been proposed to solve the problem of high labor cost required to annotate
re-ID datasets. But their performance is still far lower than the supervised
counterparts. In the mean time, clean datasets without noise are used in these
methods, which is not realistic. In this paper, we propose to tackle this
problem by learning re-ID models from automatically generated person tracklets
by multiple objects tracking (MOT) algorithm. To this end, we design a
tracklet-based multi-level clustering (TMC) framework to effectively learn the
re-ID model from the noisy person tracklets. First, intra-tracklet isolation to
reduce ID switch noise within tracklets; second, alternates between using
inter-tracklet association to eliminate ID fragmentation noise and network
training using the pseudo label. Extensive experiments on MARS with various
manually generated noises show the effectiveness of the proposed framework.
Specifically, the proposed framework achieved mAP 53.4% and rank-1 63.7% on the
simulated tracklets with strongest noise, even outperforming the best existing
method on clean tracklets. Based on the results, we believe that building re-ID
models from automatically generated noisy tracklets is a reasonable approach
and will also be an important way to make re-ID models feasible in real-world
applications.
- Abstract(参考訳): Re-IDデータセットのアノテートに要する高作業コストの問題を解決するために、教師なしのビデオベース再識別(re-ID)手法が提案されている。
しかし、彼らのパフォーマンスは監督対象よりもはるかに低い。
平均すると、ノイズのないクリーンなデータセットがこれらの手法で使用されるが、現実的ではない。
本稿では,複数のオブジェクト追跡(MOT)アルゴリズムを用いて,自動生成した人物追跡レットからre-IDモデルを学習することで,この問題に対処することを提案する。
この目的のために,トラックレットベースのマルチレベルクラスタリング(tmc)フレームワークを設計し,ノイズの多いトラックレットから再idモデルを効果的に学習する。
第1に、トラックレット内のIDスイッチノイズを低減するために、第2に、IDフラグメンテーションノイズを取り除くためにトラックレット間アソシエーションと擬似ラベルを用いたネットワークトレーニングを交互に行う。
各種手動騒音を用いたMARSの大規模実験により,提案手法の有効性が示された。
具体的には、提案されたフレームワークは、最も強いノイズを持つシミュレーショントラックレットにおいて、mAP 53.4%とランク-1.63.7%を達成した。
結果から,自動生成したノイズトラックレットからre-IDモデルを構築することは合理的なアプローチであり,実世界のアプリケーションでre-IDモデルを実現する上でも重要な方法であると考えている。
関連論文リスト
- Enhancing Sample Utilization in Noise-Robust Deep Metric Learning With Subgroup-Based Positive-Pair Selection [84.78475642696137]
実世界のデータにノイズラベルが存在することは、ディープラーニングモデルの性能に悪影響を及ぼす。
サブグループに基づく正対選択(SGPS)を用いたノイズロストDMLフレームワークを提案する。
SGPSは、ノイズのあるサンプルに対して信頼性の高い正のペアを構築し、サンプルの利用率を高める。
論文 参考訳(メタデータ) (2025-01-19T14:41:55Z) - ConsistencyTrack: A Robust Multi-Object Tracker with a Generation Strategy of Consistency Model [20.259334882471574]
マルチオブジェクトトラッキング(MOT)は、コンピュータビジョンにおいて重要な技術であり、ビデオシーケンス内の複数のターゲットを検出し、各ターゲットにフレーム毎にユニークなIDを割り当てるように設計されている。
既存のMOTメソッドは、様々なシナリオでリアルタイムで複数のオブジェクトを正確に追跡する。
本稿では,境界ボックス上の拡散過程として検出と関連を定式化するための新しいConsistencyTrack, Joint Detection and Tracking (JDT) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-28T05:53:30Z) - Unleashing the Potential of Tracklets for Unsupervised Video Person Re-Identification [40.83058938096914]
本稿では、教師なしの映像人物の再識別を促進するためのSSR-C(Self-Supervised Refined Clustering)フレームワークを提案する。
教師なしビデオ人物再同定のためのSSR-Cは最先端の教師付き手法に匹敵する結果が得られる。
論文 参考訳(メタデータ) (2024-06-20T12:30:12Z) - Robust Meta-learning with Sampling Noise and Label Noise via
Eigen-Reptile [78.1212767880785]
Meta-learnerは、利用可能なサンプルがわずかしかないため、過度に適合する傾向がある。
ノイズの多いラベルでデータを扱う場合、メタラーナーはラベルノイズに対して非常に敏感になる可能性がある。
本稿では,タスク固有のパラメータの主要な方向でメタパラメータを更新するEigen-Reptile(ER)を提案する。
論文 参考訳(メタデータ) (2022-06-04T08:48:02Z) - Large-Scale Pre-training for Person Re-identification with Noisy Labels [125.49696935852634]
雑音ラベル(PNL)を利用した大規模事前学習フレームワークを開発した。
原則として、これらの3つのモジュールの合同学習は、1つのプロトタイプに類似したクラスタの例だけでなく、プロトタイプの割り当てに基づいてノイズラベルを修正します。
このシンプルな事前学習タスクは、ベルやwhiを使わずに"LUPerson-NL"でSOTA Re-ID表現をスクラッチから学習するスケーラブルな方法を提供する。
論文 参考訳(メタデータ) (2022-03-30T17:59:58Z) - Offline-Online Associated Camera-Aware Proxies for Unsupervised Person
Re-identification [31.065557919305892]
教師なしの人物再識別(Re-ID)は研究の注目を集めている。
ほとんどのクラスタリングベースのメソッドは、各クラスタを擬似IDクラスとして扱う。
カメラビューに応じて,各クラスタを複数のプロキシに分割することを提案する。
論文 参考訳(メタデータ) (2022-01-15T10:12:03Z) - Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。
従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。
本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文 参考訳(メタデータ) (2021-05-22T10:17:38Z) - Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。
これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。
提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
論文 参考訳(メタデータ) (2021-01-16T07:31:00Z) - Multi-object tracking with self-supervised associating network [5.947279761429668]
人間のラベリングを伴わない短い動画を多数使用して,新たな自己教師型学習手法を提案する。
再識別ネットワークは自己管理方式で訓練されているが、MOTA 62.0% と IDF1 62.6% の最先端性能をMOT17テストベンチマークで達成している。
論文 参考訳(メタデータ) (2020-10-26T08:48:23Z)
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。