論文の概要: Positive Pair Distillation Considered Harmful: Continual Meta Metric Learning for Lifelong Object Re-Identification

• arxiv url: http://arxiv.org/abs/2210.01600v1
• Date: Tue, 4 Oct 2022 13:26:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 14:43:30.486180
• Title: Positive Pair Distillation Considered Harmful: Continual Meta Metric Learning for Lifelong Object Re-Identification
• Title（参考訳）: 有害性を考慮した正対蒸留--生涯オブジェクト再同定のための連続的メタメトリック学習
• Authors: Kai Wang, Chenshen Wu, Andy Bagdanov, Xialei Liu, Shiqi Yang, Shangling Jui, Joost van de Weijer
• Abstract要約: Lifelongオブジェクトの再識別は、再識別タスクのストリームから漸進的に学習する。 主な課題は、推論時に、表現が以前は目に見えないアイデンティティに一般化されなければならないことである。 この問題に対処するために,連続メタメトリック学習を生涯のオブジェクト再識別に適用する。
• 参考スコア（独自算出の注目度）: 33.378752262549234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lifelong object re-identification incrementally learns from a stream of re-identification tasks. The objective is to learn a representation that can be applied to all tasks and that generalizes to previously unseen re-identification tasks. The main challenge is that at inference time the representation must generalize to previously unseen identities. To address this problem, we apply continual meta metric learning to lifelong object re-identification. To prevent forgetting of previous tasks, we use knowledge distillation and explore the roles of positive and negative pairs. Based on our observation that the distillation and metric losses are antagonistic, we propose to remove positive pairs from distillation to robustify model updates. Our method, called Distillation without Positive Pairs (DwoPP), is evaluated on extensive intra-domain experiments on person and vehicle re-identification datasets, as well as inter-domain experiments on the LReID benchmark. Our experiments demonstrate that DwoPP significantly outperforms the state-of-the-art. The code is here: https://github.com/wangkai930418/DwoPP_code
• Abstract（参考訳）: Lifelongオブジェクトの再識別は、再識別タスクのストリームから徐々に学習する。 目的は、すべてのタスクに適用できる表現を学び、以前は見つからなかった再識別タスクを一般化することである。 主な課題は、推論時に表現が以前は目に見えないアイデンティティに一般化されなければならないことである。 この問題に対処するために,連続メタメトリック学習を生涯のオブジェクト再識別に適用する。 従来のタスクを忘れないように,知識蒸留を用い,正と負のペアの役割を探求する。 蒸留と計量損失が敵対的であるという観測に基づいて, 蒸留から正の対を取り除き, モデル更新を堅牢化する。 本手法はDwoPP (Distillation without Positive Pairs) とよばれる手法で, 人体および車体の再識別データセットに対する広範囲なドメイン内実験およびLReIDベンチマークにおけるドメイン間実験で評価した。 実験の結果,DwoPPは最先端技術よりも優れていた。 https://github.com/wangkai930418/DwoPP_code

関連論文リスト

• REBAR: Retrieval-Based Reconstruction for Time-series Contrastive Learning [64.08293076551601]
  正の対を識別する学習尺度を新たに提案する。 検索ベースレコンストラクションは2つのシーケンス間の類似度を測定する。 本稿では,REBAR誤差が相互クラスメンバシップの予測因子であることを示す。
  論文  参考訳（メタデータ） (2023-11-01T13:44:45Z)
• Density Map Distillation for Incremental Object Counting [37.982124268097]
  インクリメンタルなオブジェクトカウントに対するナイーブなアプローチは、破滅的な忘れ込みに悩まされ、以前のタスクに対する劇的なパフォーマンス低下に悩まされる。 密度マップ蒸留法 (DMD) と呼ばれる, 先例のない関数正規化手法を提案する。 トレーニング中,各タスクに新しいカウンタヘッドを導入し,従来のタスクを忘れないように蒸留損失を導入する。
  論文  参考訳（メタデータ） (2023-04-11T14:46:21Z)
• Exploring Inconsistent Knowledge Distillation for Object Detection with Data Augmentation [66.25738680429463]
  物体検出のための知識蒸留(KD)は、教師モデルから知識を伝達することで、コンパクトな検出器を訓練することを目的としている。 教師モデルの反直感的知覚に固有の知識を蒸留することを目的とした,一貫性のない知識蒸留(IKD)を提案する。 本手法は, 1段, 2段, アンカーフリーの物体検出器において, 最先端のKDベースラインより優れる。
  論文  参考訳（メタデータ） (2022-09-20T16:36:28Z)
• Evaluating the Faithfulness of Importance Measures in NLP by Recursively Masking Allegedly Important Tokens and Retraining [6.4191222580895495]
  ROARと呼ばれるコンピュータビジョンから最近提案された忠実度ベンチマークを適応し、改善する。 我々は、一般的なNLP重要度尺度、すなわち注意、勾配、統合勾配にROARを適用して適用する。 本稿では,論文間の結果の比較を容易にするスカラー忠実度尺度を提案する。
  論文  参考訳（メタデータ） (2021-10-15T23:59:42Z)
• Unsupervised Pretraining for Object Detection by Patch Reidentification [72.75287435882798]
  教師なし表現学習は、オブジェクトディテクタの事前トレーニング表現で有望なパフォーマンスを実現します。 本研究では,オブジェクト検出のための簡易かつ効果的な表現学習手法であるパッチ再識別(Re-ID)を提案する。 私たちの方法は、トレーニングの反復やデータパーセンテージなど、すべての設定でCOCOの同等を大幅に上回ります。
  論文  参考訳（メタデータ） (2021-03-08T15:13:59Z)
• Take More Positives: An Empirical Study of Contrastive Learing in Unsupervised Person Re-Identification [43.11532800327356]
  Unsupervised Person re-IDは、監視されたメソッドのパフォーマンスギャップを埋めることを目指している。 成功の理由として,ラベル生成機構だけでなく,探索されていない設計もあげられる。 教師なし再IDのためのメモリバックのない対比学習法を提案する。
  論文  参考訳（メタデータ） (2021-01-12T08:06:11Z)
• CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
  本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。 既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。 疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
  論文  参考訳（メタデータ） (2020-07-15T09:52:35Z)
• Learning Invariant Representations for Reinforcement Learning without Reconstruction [98.33235415273562]
  本研究では,表現学習が画像などのリッチな観察からの強化学習を,ドメイン知識や画素再構成に頼ることなく促進する方法について検討する。 シミュレーションメトリクスは、連続MDPの状態間の振る舞いの類似性を定量化する。 修正された視覚的 MuJoCo タスクを用いてタスク関連情報を無視する手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-18T17:59:35Z)

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。