論文の概要: FRIDA: Fisheye Re-Identification Dataset with Annotations

• arxiv url: http://arxiv.org/abs/2210.01582v1
• Date: Tue, 4 Oct 2022 13:08:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 14:33:15.739316
• Title: FRIDA: Fisheye Re-Identification Dataset with Annotations
• Title（参考訳）: FRIDA: 注釈付き魚眼再識別データセット
• Authors: Mertcan Cokbas, John Bolognino, Janusz Konrad, Prakash Ishwar
• Abstract要約: 頭上の魚眼カメラからの人物の身元確認は新しいもので、ほとんど研究されていない。 アノテーション付きFisheye Re-IDentificationデータセット”には、240k以上のバウンディングボックスアノテーションがあります。 FRIDAは、一般的なリチリニアカメラPRIDデータセットのトレーニングと比較して、mAPの最大11.64%の性能向上を示す。
• 参考スコア（独自算出の注目度）: 14.212874396222261
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Person re-identification (PRID) from side-mounted rectilinear-lens cameras is a well-studied problem. On the other hand, PRID from overhead fisheye cameras is new and largely unstudied, primarily due to the lack of suitable image datasets. To fill this void, we introduce the "Fisheye Re-IDentification Dataset with Annotations" (FRIDA), with 240k+ bounding-box annotations of people, captured by 3 time-synchronized, ceiling-mounted fisheye cameras in a large indoor space. Due to a field-of-view overlap, PRID in this case differs from a typical PRID problem, which we discuss in depth. We also evaluate the performance of 10 state-of-the-art PRID algorithms on FRIDA. We show that for 6 CNN-based algorithms, training on FRIDA boosts the performance by up to 11.64% points in mAP compared to training on a common rectilinear-camera PRID dataset.
• Abstract（参考訳）: サイドマウントリチリニアレンズカメラからの人物識別(PRID)は、よく研究されている問題である。 一方、魚眼カメラのpridは、主に適切な画像データセットが欠如しているため、新しくてほとんど研究されていない。 この空白を埋めるために、大規模な屋内空間で3つの時間同期天井搭載魚眼カメラで捉えた「FRIDA(Fisheye Re-IDentification Dataset with Annotations)」を導入した。 視野重なりのため、この場合のpridは、我々は深く議論する典型的なprid問題とは異なる。 また,FRIDAを用いた10個の最先端PRIDアルゴリズムの性能評価を行った。 CNNベースの6つのアルゴリズムでは、FRIDAのトレーニングは、一般的なリチリニアカメラPRIDデータセットのトレーニングと比較して、mAPの最大11.64%のパフォーマンス向上を示す。

関連論文リスト

• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• Large-Scale Person Detection and Localization using Overhead Fisheye Cameras [40.004888590123954]
  人検出と局所化のための,最初の大規模頭上魚眼データセットを提示する。 本研究では,魚眼者検出ネットワークを構築し,魚眼者検出ネットワークを構築した。 魚眼の位置決め液は、0.5mの精度で、0.1秒以内でFOVの全人物を特定できる。
  論文  参考訳（メタデータ） (2023-07-17T05:36:01Z)
• Spatio-Visual Fusion-Based Person Re-Identification for Overhead Fisheye Images [15.97384647998813]
  個人再識別(PRID)は、典型的な監視シナリオにおいて徹底的に研究されている。 魚眼PRIDのための多機能フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T04:21:34Z)
• Camera Alignment and Weighted Contrastive Learning for Domain Adaptation in Video Person ReID [17.90248359024435]
  人物再識別システム(ReID)は、大規模な完全ラベル画像データセットでトレーニングした場合、高い精度を達成することができる。 様々な運用状況(例えば、カメラの視点や照明など)に関連したドメインシフトは、パフォーマンスの大幅な低下に繋がる可能性がある。 本稿では、ビデオベースのReIDのための教師なしドメイン適応(UDA)に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-07T15:32:56Z)
• Handling Label Uncertainty for Camera Incremental Person Re-Identification [17.5026399908583]
  人の再識別のためのインクリメンタルラーニング(ReID)は、継続的データストリームでトレーニング可能なモデルを開発することを目的としている。 新しいカメラから収集された新しいデータは、おそらくこれまで見たことのない量のIDを含んでいるかもしれない。 クラス重複問題に対処する新しいフレームワークExtendedOVAを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:59:54Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)
• Defocus Blur Detection via Depth Distillation [64.78779830554731]
  初めてDBDに深度情報を導入します。 より詳しくは, 地底の真理と, 十分に訓練された深度推定ネットワークから抽出した深度から, デフォーカスのぼかしを学習する。 我々の手法は、2つの一般的なデータセット上で11の最先端の手法より優れています。
  論文  参考訳（メタデータ） (2020-07-16T04:58:09Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)
• Rethinking the Distribution Gap of Person Re-identification with Camera-based Batch Normalization [90.9485099181197]
  本稿では,従来のReID手法の動作機構を再考する。 我々は、すべてのカメラの画像データを同じ部分空間に落とすように強制する。 幅広いReIDタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-01-23T17:22:34Z)

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。