論文の概要: Handling Label Uncertainty for Camera Incremental Person Re-Identification

• arxiv url: http://arxiv.org/abs/2210.08710v3
• Date: Fri, 30 Jun 2023 19:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-04 15:29:12.340793
• Title: Handling Label Uncertainty for Camera Incremental Person Re-Identification
• Title（参考訳）: カメラインクリメンタル人物再同定におけるラベルの不確かさの取り扱い
• Authors: Zexian Yang, Dayan Wu, Wanqian Zhang, Bo Li, Weiping Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.5026399908583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Incremental learning for person re-identification (ReID) aims to develop models that can be trained with a continuous data stream, which is a more practical setting for real-world applications. However, the existing incremental ReID methods make two strong assumptions that the cameras are fixed and the new-emerging data is class-disjoint from previous classes. This is unrealistic as previously observed pedestrians may re-appear and be captured again by new cameras. In this paper, we investigate person ReID in an unexplored scenario named Camera Incremental Person ReID (CIPR), which advances existing lifelong person ReID by taking into account the class overlap issue. Specifically, new data collected from new cameras may probably contain an unknown proportion of identities seen before. This subsequently leads to the lack of cross-camera annotations for new data due to privacy concerns. To address these challenges, we propose a novel framework ExtendOVA. First, to handle the class overlap issue, we introduce an instance-wise seen-class identification module to discover previously seen identities at the instance level. Then, we propose a criterion for selecting confident ID-wise candidates and also devise an early learning regularization term to correct noise issues in pseudo labels. Furthermore, to compensate for the lack of previous data, we resort prototypical memory bank to create surrogate features, along with a cross-camera distillation loss to further retain the inter-camera relationship. The comprehensive experimental results on multiple benchmarks show that ExtendOVA significantly outperforms the state-of-the-arts with remarkable advantages.
• Abstract（参考訳）: ReID(Incremental Learning for person re-identification)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。 しかし、既存のインクリメンタルReID法は、カメラが固定されたことと、新しいデータを以前のクラスから分離したことを強く仮定する。 以前観測された歩行者は再び現れ、新しいカメラで撮影される可能性があるため、これは非現実的だ。 本稿では,カメラインクリメンタル・パーソナリティ(CIPR)と呼ばれる未探索シナリオにおいて,クラス重複問題を考慮し,既存寿命のReIDを推し進める人物ReIDについて検討する。 特に、新しいカメラから収集された新しいデータには、以前に見られた未知のidの割合が含まれている可能性がある。 これにより、プライバシー上の懸念から、新しいデータに対するクロスカメラアノテーションが欠如する。 これらの課題に対処するために,新しいフレームワークであるExtendedOVAを提案する。 まず、クラスオーバーラップの問題に対処するために、インスタンスレベルで以前見られたアイデンティティを見つけるために、インスタンスワイドのクラス識別モジュールを導入します。 そこで我々は,信頼度の高いID関連候補を選択するための基準を提案し,擬似ラベルの雑音問題を修正するための早期学習正規化用語を考案した。 さらに, 従来のデータ不足を補うため, 原型記憶バンクを用いて代理機能を作成し, クロスカメラ蒸留損失を補正し, カメラ間関係をさらに維持する。 複数のベンチマークによる包括的な実験結果から,extendovaは最先端の技術を著しく上回っていることが分かる。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• 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)
• 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)
• Camera On-boarding for Person Re-identification using Hypothesis Transfer Learning [41.115022307850424]
  仮説伝達学習を用いた人物再同定のための効率的なモデル適応手法を開発した。 提案手法は,知識を伝達するための複数の音源モデルの最適重み付け組合せを求めることにより,負の伝達効果を最小化する。
  論文  参考訳（メタデータ） (2020-07-22T00:43:29Z)
• 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)
• Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
  人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。 カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。 われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
  論文  参考訳（メタデータ） (2020-02-12T11:56:30Z)
• 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。