論文の概要: Progressive Feature Learning for Realistic Cloth-Changing Gait
Recognition
- arxiv url: http://arxiv.org/abs/2207.11720v1
- Date: Sun, 24 Jul 2022 11:26:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:12:34.061084
- Title: Progressive Feature Learning for Realistic Cloth-Changing Gait
Recognition
- Title(参考訳): リアルな布交換歩行認識のためのプログレッシブ特徴学習
- Authors: Xuqian Ren, Saihui Hou, Chunshui Cao, Xu Liu and Yongzhen Huang
- Abstract要約: 既存のデータセットや手法は、現実的な歩行認識において最も困難な問題に対処できない。
そこで我々は, CASIA-BN-RCC と OUM-RCC の2つのベンチマークを提案し, 実際に布の交換条件をシミュレートした。
本稿では,現実的な衣服交換問題における性能向上のために,既製のバックボーンを用いて適用可能な新しいフレームワークを提案する。
- 参考スコア(独自算出の注目度): 13.757855104973357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is instrumental in crime prevention and social security, for
it can be conducted at a long distance without the cooperation of subjects.
However, existing datasets and methods cannot deal with the most challenging
problem in realistic gait recognition effectively: walking in different clothes
(CL). In order to tackle this problem, we propose two benchmarks: CASIA-BN-RCC
and OUMVLP-RCC, to simulate the cloth-changing condition in practice. The two
benchmarks can force the algorithm to realize cross-view and cross-cloth with
two sub-datasets. Furthermore, we propose a new framework that can be applied
with off-the-shelf backbones to improve its performance in the Realistic
Cloth-Changing problem with Progressive Feature Learning. Specifically, in our
framework, we design Progressive Mapping and Progressive Uncertainty to extract
the cross-view features and then extract cross-cloth features on the basis. In
this way, the features from the cross-view sub-dataset can first dominate the
feature space and relieve the uneven distribution caused by the adverse effect
from the cross-cloth sub-dataset. The experiments on our benchmarks show that
our framework can effectively improve the recognition performance in CL
conditions. Our codes and datasets will be released after accepted.
- Abstract(参考訳): 歩容認識は、被検者の協力なしに長距離に行うことができるため、防犯・社会保障に有用である。
しかしながら、既存のデータセットやメソッドは、現実的な歩行認識において最も難しい問題、すなわち異なる衣服(cl)を歩き回ることには対処できない。
そこで本研究では, CASIA-BN-RCC と OUMVLP-RCC の2つのベンチマークを提案し, 布の交換条件をシミュレーションした。
2つのベンチマークは、アルゴリズムに2つのサブデータセットでクロスビューとクロスクロスを実現するように強制することができる。
さらに,プログレッシブ・フィーチャーラーニングを用いたリアル・クラス・チェンキング問題における性能向上のために,既製のバックボーンを用いて適用可能な新しいフレームワークを提案する。
具体的には,プログレッシブマッピングとプログレッシブ不確実性を設計し,クロスビュー特徴を抽出し,クロスクロース特徴をベースとした抽出を行う。
このように、クロスビューサブデータセットの特徴は、最初に特徴空間を支配し、クロスクロスサブデータセットの悪影響による不均一な分布を緩和することができる。
ベンチマーク実験の結果,cl条件下での認識性能を効果的に向上できることがわかった。
私たちのコードとデータセットは、受け入れられた後にリリースされます。
関連論文リスト
- Revisiting Generative Adversarial Networks for Binary Semantic
Segmentation on Imbalanced Datasets [20.538287907723713]
異常き裂領域検出は典型的なバイナリセマンティックセグメンテーションタスクであり、アルゴリズムによって舗装面画像上のひび割れを表す画素を自動的に検出することを目的としている。
既存のディープラーニングベースの手法は、特定の公共舗装のデータセットで優れた結果を得たが、不均衡なデータセットでは性能が劇的に低下する。
画素レベルの異常き裂領域検出タスクに対して,条件付き生成逆ネットワーク(cGAN)に基づくディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-03T19:24:40Z) - Navigating Open Set Scenarios for Skeleton-based Action Recognition [45.488649741347]
探索されていないオープンセット骨格に基づく行動認識(OS-SAR)課題に取り組む。
そこで本稿では, 骨格関節, 骨, 速度の相互アライメントを利用した距離に基づく相互モーダル法を提案する。
論文 参考訳(メタデータ) (2023-12-11T12:29:32Z) - Uncertainty estimation in Deep Learning for Panoptic segmentation [1.0062187787765149]
本研究では, アンサンブルに基づく不確実性推定手法が汎視的セグメンテーション領域でどのように利用できるかを示す。
COCO、KITTI-STEP、VIPERデータセットで結果が示されている。
論文 参考訳(メタデータ) (2023-04-04T19:54:35Z) - Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based
Action Recognition [88.34182299496074]
アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。
我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。
時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
論文 参考訳(メタデータ) (2022-07-17T07:05:39Z) - On Exploring Pose Estimation as an Auxiliary Learning Task for
Visible-Infrared Person Re-identification [66.58450185833479]
本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。
これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。
2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
論文 参考訳(メタデータ) (2022-01-11T09:44:00Z) - Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。
この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。
また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
論文 参考訳(メタデータ) (2021-10-12T17:58:59Z) - Hierarchical Deep CNN Feature Set-Based Representation Learning for
Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。
既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。
本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文 参考訳(メタデータ) (2021-03-25T14:03:42Z) - Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。
IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。
IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
論文 参考訳(メタデータ) (2021-03-02T08:20:08Z) - Boosting Continuous Sign Language Recognition via Cross Modality
Augmentation [135.30357113518127]
連続手話認識は不整合のビデオテキストペアを扱う。
クロスモーダル拡張を用いた新しいアーキテクチャを提案する。
提案するフレームワークは、既存のCTCベースの連続SLRアーキテクチャに容易に拡張できる。
論文 参考訳(メタデータ) (2020-10-11T15:07:50Z)
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。