論文の概要: Rapid Person Re-Identification via Sub-space Consistency Regularization

• arxiv url: http://arxiv.org/abs/2207.05933v1
• Date: Wed, 13 Jul 2022 02:44:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-14 15:07:34.303783
• Title: Rapid Person Re-Identification via Sub-space Consistency Regularization
• Title（参考訳）: サブスペース一貫性規則化による高速人物再同定
• Authors: Qingze Yin, Guanan Wang, Guodong Ding, Qilei Li, Shaogang Gong, Zhenmin Tang
• Abstract要約: Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 51.76876061721556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person Re-Identification (ReID) matches pedestrians across disjoint cameras. Existing ReID methods adopting real-value feature descriptors have achieved high accuracy, but they are low in efficiency due to the slow Euclidean distance computation as well as complex quick-sort algorithms. Recently, some works propose to yield binary encoded person descriptors which instead only require fast Hamming distance computation and simple counting-sort algorithms. However, the performances of such binary encoded descriptors, especially with short code (e.g., 32 and 64 bits), are hardly satisfactory given the sparse binary space. To strike a balance between the model accuracy and efficiency, we propose a novel Sub-space Consistency Regularization (SCR) algorithm that can speed up the ReID procedure by $0.25$ times than real-value features under the same dimensions whilst maintaining a competitive accuracy, especially under short codes. SCR transforms real-value features vector (e.g., 2048 float32) with short binary codes (e.g., 64 bits) by first dividing real-value features vector into $M$ sub-spaces, each with $C$ clustered centroids. Thus the distance between two samples can be expressed as the summation of the respective distance to the centroids, which can be sped up by offline calculation and maintained via a look-up table. On the other side, these real-value centroids help to achieve significantly higher accuracy than using binary code. Lastly, we convert the distance look-up table to be integer and apply the counting-sort algorithm to speed up the ranking stage. We also propose a novel consistency regularization with an iterative framework. Experimental results on Market-1501 and DukeMTMC-reID show promising and exciting results. Under short code, our proposed SCR enjoys Real-value-level accuracy and Hashing-level speed.
• Abstract（参考訳）: Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いる既存のreid手法は高い精度を実現しているが、低ユークリッド距離計算と複雑な高速ソートアルゴリズムにより効率が低下している。 近年,バイナリエンコードされた人物ディスクリプタが提案されているが,これは高速ハミング距離計算と単純なカウントソートアルゴリズムのみを必要とする。 しかし、このようなバイナリ符号化ディスクリプタのパフォーマンスは、特に短いコード(例えば32ビットと64ビット)では、疎いバイナリ空間ではほとんど満足できない。 モデル精度と効率のバランスをとるために,特に短符号下での競合精度を維持しつつ,実値特徴よりも0.25ドルのReID手順を高速化できる,新しい部分空間整合正規化(SCR)アルゴリズムを提案する。 SCRは実値特徴ベクトル(例えば2048 float32)を、まず実値特徴ベクトルを$M$のサブ空間に分割し、それぞれ$C$のクラスタ付きセントロイドで分割することで、短いバイナリコード(例えば64ビット)で変換する。 したがって、2つのサンプル間の距離は、遠心分離器へのそれぞれの距離の和として表現することができ、これはオフライン計算によってスピンアップされ、ルックアップテーブルを介して維持される。 一方、これらの実値セントロイドはバイナリコードよりもはるかに高い精度を達成するのに役立ちます。 最後に、距離ルックアップテーブルを整数に変換し、カウントソートアルゴリズムを適用してランキングステージを高速化する。 また,反復フレームワークを用いた新しい一貫性規則化を提案する。 Market-1501とDukeMTMC-reIDの実験結果は、有望でエキサイティングな結果を示している。 短いコードでは、提案したSCRは実値レベルの精度とハッシュレベルの速度を享受する。

関連論文リスト

• Efficient and Effective Retrieval of Dense-Sparse Hybrid Vectors using Graph-based Approximate Nearest Neighbor Search [14.821492155733555]
  グラフに基づく高密度疎ハイブリッドベクトルのためのANNSアルゴリズムを提案する。 提案アルゴリズムは,既存のハイブリッドベクトル探索アルゴリズムと同等の精度で8.9x$sim$11.7xスループットを実現する。
  論文  参考訳（メタデータ） (2024-10-27T09:12:51Z)
• Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
  最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。 これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。 本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
  論文  参考訳（メタデータ） (2024-02-06T18:59:30Z)
• Context Perception Parallel Decoder for Scene Text Recognition [52.620841341333524]
  シーンテキスト認識手法は高い精度と高速な推論速度を達成するのに苦労している。 本稿では、STRにおけるARデコーディングの実証的研究を行い、ARデコーダが言語文脈をモデル化するだけでなく、視覚的文脈知覚のガイダンスも提供することを明らかにする。 我々は一連のCPPDモデルを構築し、提案したモジュールを既存のSTRデコーダにプラグインする。英語と中国語のベンチマーク実験により、CPPDモデルはARベースモデルよりも約8倍高速に動作し、高い競争精度を達成できることを示した。
  論文  参考訳（メタデータ） (2023-07-23T09:04:13Z)
• ICET Online Accuracy Characterization for Geometry-Based Laser Scan Matching [0.0]
  Iterative Closest Ellipsoidal Transform (ICET)は、新しい3D LIDARスキャンマッチングアルゴリズムである。 ICETは、常にサブセンチメートルの精度でスキャンマッチングを行うことを示す。 このレベルの精度は、アルゴリズムが完全に解釈可能であるという事実と相まって、安全クリティカルな輸送用途に適している。
  論文  参考訳（メタデータ） (2023-06-14T18:21:45Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [70.26374282390401]
  ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。 本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Efficient Nearest Neighbor Search for Cross-Encoder Models using Matrix Factorization [60.91600465922932]
  本稿では,クロスエンコーダのみに頼って,二重エンコーダによる検索を回避する手法を提案する。 我々のアプローチは、現在の広く使われている方法よりも優れたテスト時間リコール-vs計算コストトレードオフを提供する。
  論文  参考訳（メタデータ） (2022-10-23T00:32:04Z)
• Quantum Sparse Coding [5.130440339897477]
  我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。 量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。 我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
  論文  参考訳（メタデータ） (2022-09-08T13:00:30Z)
• Faster Person Re-Identification [68.22203008760269]
  本稿では,新しいハッシュコード検索戦略を定式化することによって,高速ReIDのための新しいソリューションを提案する。 より短いコードを使用して、より正確なReIDのいくつかのトップ候補を洗練するために、より広い一致の類似性を粗くランク付けし、より長いコードを使用する。 2つのデータセットに対する実験結果から,提案手法(CtF)は現在のハッシュReID法よりも8%精度が高いだけでなく,5倍高速であることがわかった。
  論文  参考訳（メタデータ） (2020-08-16T03:02:49Z)
• Smooth Deformation Field-based Mismatch Removal in Real-time [10.181846237133167]
  非剛性変形は、パラメトリック変換が見つからないため、ミスマッチの除去を困難にする。 再重み付けと1点RANSAC戦略(R1P-RNSC)に基づくアルゴリズムを提案する。 両アルゴリズムの組み合わせは,他の最先端手法と比較して精度が高いことを示す。
  論文  参考訳（メタデータ） (2020-07-16T18:20:25Z)

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。