論文の概要: Progressive Feature Learning for Realistic Cloth-Changing Gait Recognition
- arxiv url: http://arxiv.org/abs/2207.11720v2
- Date: Sun, 21 Apr 2024 20:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 01:41:46.242325
- Title: Progressive Feature Learning for Realistic Cloth-Changing Gait Recognition
- Title(参考訳): リアルな衣服交換歩行認識のためのプログレッシブな特徴学習
- Authors: Xuqian Ren, Saihui Hou, Chunshui Cao, Xu Liu, Yongzhen Huang,
- Abstract要約: 既存のデータセットとメソッドは、実際に最も難しい布の交換問題に十分対応できない。
RCC-GR(Realistic Cloth-Changing Gait Recognition)として問題を定式化する。
本稿では,RCC-GRの性能向上のために,市販のバックボーンで適用可能なプログレッシブ・フィーチャーラーニングという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): 9.986651948411454
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait recognition is instrumental in crime prevention and social security, for it can be conducted at a long distance to figure out the identity of persons. However, existing datasets and methods cannot satisfactorily deal with the most challenging cloth-changing problem in practice. Specifically, the practical gait models are usually trained on automatically labeled data, in which the sequences' views and cloth conditions of each person have some restrictions. To be concrete, the cross-view sub-dataset only has normal walking condition without cloth-changing, while the cross-cloth sub-dataset has cloth-changing sequences but only in front views. As a result, the cloth-changing accuracy cannot meet practical requirements. In this work, we formulate the problem as Realistic Cloth-Changing Gait Recognition (abbreviated as RCC-GR) and we construct two benchmarks: CASIA-BN-RCC and OUMVLP-RCC, to simulate the above setting. Furthermore, we propose a new framework called Progressive Feature Learning that can be applied with off-the-shelf backbones to improve their performance in RCC-GR. Specifically, in our framework, we design Progressive Mapping and Progressive Uncertainty to extract cross-view features and then extract cross-cloth features on the basis. In this way, the feature 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 recognition performance, especially in the cloth-changing conditions.
- Abstract(参考訳): 歩行認識は犯罪防止や社会保障に役立ち、人の身元を知るために遠距離で行うことができる。
しかし、既存のデータセットや手法は、実際には最も困難な布の交換問題に十分対応できない。
具体的には、実際の歩行モデルは通常、シーケンスのビューと各人の布の状態にいくつかの制約がある、自動的にラベル付けされたデータに基づいて訓練される。
具体的には、クロス・ビュー・サブ・データセットは布を交換することなく通常の歩行条件しか持たず、クロス・クロス・サブ・データセットは布を交換するシーケンスを持ち、フロントビューのみである。
その結果,布の加工精度は実用的要件を満たすことができないことがわかった。
本研究では,現実的な衣服交換歩行認識(RCC-GR)として問題を定式化し,上記の設定をシミュレートするために,CASIA-BN-RCCとOUMVLP-RCCの2つのベンチマークを構築した。
さらに,RCC-GRの性能向上のために,既製のバックボーンで適用可能なプログレッシブ・フィーチャーラーニング(Progressive Feature Learning)という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て抽出する。
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。
評価実験の結果,特に布質変化条件下では,認識性能を効果的に向上できることがわかった。
関連論文リスト
- Identity-aware Dual-constraint Network for Cloth-Changing Person Re-identification [13.709863134725335]
CC-ReID(CC-Changing Person Re-Identification)は、歩行者が着替えを行うより現実的な監視シナリオにおいて、対象者を正確に識別することを目的としている。
大きな進歩にもかかわらず、既存のCC-ReIDデータセットの限られた布質変化トレーニングサンプルは、モデルが布質非関連の特徴を適切に学習することを妨げている。
本稿では,CC-ReIDタスクのためのID-Aware Dual-Constraint Network (IDNet)を提案する。
論文 参考訳(メタデータ) (2024-03-13T05:46:36Z) - Segment Any Events via Weighted Adaptation of Pivotal Tokens [85.39087004253163]
本稿では,Segment Anything Models (SAM) をイベントデータと統合する上で,難易度の高い課題に焦点を当てる。
本稿では,RGB画像とイベントデータからのトークン埋め込みのアライメントを最適化するマルチスケールな特徴蒸留手法を提案する。
論文 参考訳(メタデータ) (2023-12-24T12:47:08Z) - 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) - BTSeg: Barlow Twins Regularization for Domain Adaptation in Semantic
Segmentation [3.95944314850151]
セマンティックセグメンテーションモデルを強化した,革新的な半教師付きトレーニング手法であるBTSegを紹介する。
提案手法では,同じ場所で撮影された画像について,同じシーンの多様体表現として,異なる悪条件下での撮影について検討する。
ACDCデータセットに対する我々のアプローチを評価し、現在の最先端手法と比較して好適に機能する。
論文 参考訳(メタデータ) (2023-08-31T15:49:53Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based
Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。
GREWは、野生における歩行認識のための最初の大規模データセットである。
SPOSGaitはNASベースの最初の歩行認識モデルである。
論文 参考訳(メタデータ) (2022-05-05T14:57:39Z) - Cross-modal Representation Learning for Zero-shot Action Recognition [67.57406812235767]
我々は、ゼロショット動作認識(ZSAR)のためのビデオデータとテキストラベルを共同で符号化するクロスモーダルトランスフォーマーベースのフレームワークを提案する。
我々のモデルは概念的に新しいパイプラインを使用し、視覚的表現と視覚的意味的関連をエンドツーエンドで学習する。
実験結果から,本モデルはZSARの芸術的状況に大きく改善され,UCF101,HMDB51,ActivityNetベンチマークデータセット上でトップ1の精度が向上した。
論文 参考訳(メタデータ) (2022-05-03T17:39:27Z) - Unseen Object Instance Segmentation with Fully Test-time RGB-D
Embeddings Adaptation [14.258456366985444]
最近では、大規模な合成データのRGB-D機能を活用し、実世界のシナリオにモデルを適用するのが一般的である。
本稿では,Sim2Realドメイン間の適応プロセスを再強調する。
本稿では,BatchNorm層のパラメータに基づいて,完全テスト時間RGB-D埋め込み適応(FTEA)を行うフレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-21T02:35:20Z) - SCARF: Self-Supervised Contrastive Learning using Random Feature
Corruption [72.35532598131176]
本稿では,特徴のランダムなサブセットを乱してビューを形成するコントラスト学習手法であるSCARFを提案する。
SCARFは既存の戦略を補完し、オートエンコーダのような代替手段より優れていることを示す。
論文 参考訳(メタデータ) (2021-06-29T08:08:33Z) - 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)
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。