論文の概要: Dynamic Gradient Reactivation for Backward Compatible Person Re-identification

• arxiv url: http://arxiv.org/abs/2207.05658v1
• Date: Tue, 12 Jul 2022 16:39:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-13 17:09:57.472797
• Title: Dynamic Gradient Reactivation for Backward Compatible Person Re-identification
• Title（参考訳）: 後方対応型人物再識別のための動的グラディエント反応
• Authors: Xiao Pan, Hao Luo, Weihua Chen, Fan Wang, Hao Li, Wei Jiang, Jianming Zhang, Jianyang Gu, Peike Li
• Abstract要約: 人物再識別のための後方互換性問題(Re-ID)について検討する。 これは、ギャラリー内の古いモデルの既存の機能に匹敵するように、更新された新しいモデルの機能を制限することを目的としている。 既存の作品の多くは蒸留方式を採用しており、古いものを模した新しい特徴を推し進めることに重点を置いている。
• 参考スコア（独自算出の注目度）: 35.09166988765838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the backward compatible problem for person re-identification (Re-ID), which aims to constrain the features of an updated new model to be comparable with the existing features from the old model in galleries. Most of the existing works adopt distillation-based methods, which focus on pushing new features to imitate the distribution of the old ones. However, the distillation-based methods are intrinsically sub-optimal since it forces the new feature space to imitate the inferior old feature space. To address this issue, we propose the Ranking-based Backward Compatible Learning (RBCL), which directly optimizes the ranking metric between new features and old features. Different from previous methods, RBCL only pushes the new features to find best-ranking positions in the old feature space instead of strictly alignment, and is in line with the ultimate goal of backward retrieval. However, the sharp sigmoid function used to make the ranking metric differentiable also incurs the gradient vanish issue, therefore stems the ranking refinement during the later period of training. To address this issue, we propose the Dynamic Gradient Reactivation (DGR), which can reactivate the suppressed gradients by adding dynamic computed constant during forward step. To further help targeting the best-ranking positions, we include the Neighbor Context Agents (NCAs) to approximate the entire old feature space during training. Unlike previous works which only test on the in-domain settings, we make the first attempt to introduce the cross-domain settings (including both supervised and unsupervised), which are more meaningful and difficult. The experimental results on all five settings show that the proposed RBCL outperforms previous state-of-the-art methods by large margins under all settings.
• Abstract（参考訳）: 本稿では, 個人再識別のための後方互換性問題(Re-ID)について検討し, ギャラリー内の旧モデルの特徴に匹敵する更新された新モデルの特徴を抑えることを目的とした。 既存の作品の多くは蒸留方式を採用しており、古いものを模した新しい特徴を推し進めることに重点を置いている。 しかし, 蒸留法は, 新しい特徴空間に劣った特徴空間を模倣させるため, 本質的に準最適である。 この問題に対処するため,我々は,新機能と旧機能のランク付け基準を直接最適化するランキングベースの後方互換性学習(RBCL)を提案する。 従来の方法とは異なり、RBCLは新機能をプッシュするだけで、厳密なアライメントではなく、古い特徴空間の最高の位置を見つけることができ、下位検索の最終的な目標と一致している。 しかし、ランキングメートル法を微分可能にするために用いられる鋭いシグモイド関数も勾配の消失を招き、トレーニングの後期におけるランキングの洗練に起因している。 この問題に対処するために, フォワードステップ中に動的計算定数を付加することにより, 抑制された勾配を活性化できる動的勾配再活性化(dgr)を提案する。 最高の位置を目標にするために、トレーニング中に古い特徴空間全体を近似するNighbor Context Agents (NCA) を含めます。 ドメイン内設定のみをテストする以前の作業とは異なり、より有意義で難しいクロスドメイン設定(教師なしと教師なしの両方を含む)を導入する最初の試みを行います。 提案したRBCLは,従来の最先端手法よりも,すべての設定において大きなマージンで優れていた。

関連論文リスト

• Resurrecting Old Classes with New Data for Exemplar-Free Continual Learning [13.264972882846966]
  継続的な学習方法は破滅的な忘れ込みに苦しむことが知られている。 既存のexemplar-freeメソッドは、通常、最初のタスクがその後のタスクよりもかなり大きい設定で評価される。 本稿では, 従来のモデル埋め込み空間において, 組込みが旧型プロトタイプに近いように, 現在のサンプルを逆向きに摂動させることを提案する。 次に,従来のモデルから新しいモデルへの埋め込み空間のドリフトを摂動画像を用いて推定し,それに応じてプロトタイプを補償する。
  論文  参考訳（メタデータ） (2024-05-29T13:31:42Z)
• CEAT: Continual Expansion and Absorption Transformer for Non-Exemplar Class-Incremental Learning [34.59310641291726]
  現実のアプリケーションでは、動的シナリオは、古い知識を忘れずに新しいタスクを継続的に学習する能力を持つ必要がある。 連続膨張吸収変圧器(CEAT)という新しいアーキテクチャを提案する。 このモデルは、凍結した前のパラメータと平行に拡散層を拡張することで、新しい知識を学ぶことができる。 モデルの学習能力を向上させるために,特徴空間における古クラスと新クラスの重複を低減するために,新しいプロトタイプを設計した。
  論文  参考訳（メタデータ） (2024-03-11T12:40:12Z)
• Class Gradient Projection For Continual Learning [99.105266615448]
  破滅的な忘れは継続的学習(CL)における最も重要な課題の1つです。 タスクではなく個々のクラスから勾配部分空間を計算するクラスグラディエント・プロジェクション(CGP)を提案する。
  論文  参考訳（メタデータ） (2023-11-25T02:45:56Z)
• MixBCT: Towards Self-Adapting Backward-Compatible Training [66.52766344751635]
  そこで本研究では,単純かつ高効率な後方互換性学習法であるMixBCTを提案する。 大規模顔認識データセットMS1Mv3とIJB-Cについて実験を行った。
  論文  参考訳（メタデータ） (2023-08-14T05:55:38Z)
• Preserving Linear Separability in Continual Learning by Backward Feature Projection [16.780058676633917]
  破滅的な忘れ物は、継続的な学習において大きな課題となっている。 本稿では,新しい特徴を学習可能な線形変換に変換するための連続学習手法である後方特徴投影(BFP)を提案する。 BFPは古いクラスの線形分離性を保ちつつ、新しいフィーチャの方向が新しいクラスに対応できるようにしている。
  論文  参考訳（メタデータ） (2023-03-26T00:35:59Z)
• Style Interleaved Learning for Generalizable Person Re-identification [69.03539634477637]
  DG ReIDトレーニングのための新しいスタイルインターリーブラーニング(IL)フレームワークを提案する。 従来の学習戦略とは異なり、ILには2つの前方伝播と1つの後方伝播が組み込まれている。 我々のモデルはDG ReIDの大規模ベンチマークにおいて最先端の手法を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-07-07T07:41:32Z)
• FOSTER: Feature Boosting and Compression for Class-Incremental Learning [52.603520403933985]
  ディープニューラルネットワークは、新しいカテゴリーを学ぶ際に破滅的な忘れ方に悩まされる。 本稿では,新たなカテゴリを適応的に学習するためのモデルとして,新しい2段階学習パラダイムFOSTERを提案する。
  論文  参考訳（メタデータ） (2022-04-10T11:38:33Z)
• Neighborhood Consensus Contrastive Learning for Backward-Compatible Representation [46.86784621137665]
  古い"機能と互換性のある"新しい"機能を可能にするために、後方互換性のある表現が提案されている。 本稿では,近隣のコンセンサス・コントラスト・ラーニング(NCCL)手法を提案する。 提案手法は,新しいモデルの精度を損なうことなく後方互換性を確保する。
  論文  参考訳（メタデータ） (2021-08-07T05:50:47Z)
• Adaptive Recursive Circle Framework for Fine-grained Action Recognition [95.51097674917851]
  ビデオにおける微粒な空間時間ダイナミクスのモデル化は、アクション認識にとって難しい問題である。 既存のほとんどのメソッドは、純粋なフィードフォワード方式でレイヤの特徴を生成する。 本稿では,純粋なフィードフォワード層のための微細なデコレータであるAdaptive Recursive Circleフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-25T14:24:29Z)

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。