論文の概要: Benchmarking person re-identification datasets and approaches for practical real-world implementations

• arxiv url: http://arxiv.org/abs/2212.09981v1
• Date: Tue, 20 Dec 2022 03:45:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 13:44:18.653162
• Title: Benchmarking person re-identification datasets and approaches for practical real-world implementations
• Title（参考訳）: 実世界の実践のための個人再識別データセットとアプローチのベンチマーク
• Authors: Jose Huaman, Felix O. Sumari, Luigy Machaca, Esteban Clua and Joris Guerin
• Abstract要約: 人物再識別(Re-ID)は注目されている。 しかし、そのようなRe-IDモデルが新しい都市や環境に配備される場合、セキュリティカメラのネットワーク内の人々を探すタスクは、重要なドメインシフトに直面している可能性が高い。 本稿では、ライブオペレーションにおける教師なしデプロイメントに適したデータセットの評価方法について、Re-IDアプローチとトレーニングデータセットの完全な評価手法を提案する。
• 参考スコア（独自算出の注目度）: 1.0079626733116613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Person Re-Identification (Re-ID) has received a lot of attention. Large datasets containing labeled images of various individuals have been released, allowing researchers to develop and test many successful approaches. However, when such Re-ID models are deployed in new cities or environments, the task of searching for people within a network of security cameras is likely to face an important domain shift, thus resulting in decreased performance. Indeed, while most public datasets were collected in a limited geographic area, images from a new city present different features (e.g., people's ethnicity and clothing style, weather, architecture, etc.). In addition, the whole frames of the video streams must be converted into cropped images of people using pedestrian detection models, which behave differently from the human annotators who created the dataset used for training. To better understand the extent of this issue, this paper introduces a complete methodology to evaluate Re-ID approaches and training datasets with respect to their suitability for unsupervised deployment for live operations. This method is used to benchmark four Re-ID approaches on three datasets, providing insight and guidelines that can help to design better Re-ID pipelines in the future.
• Abstract（参考訳）: 近年,Person Re-Identification (Re-ID) が注目されている。 様々な個体のラベル付き画像を含む大規模なデータセットがリリースされ、研究者は多数の成功したアプローチを開発し、テストすることができる。 しかし、そのようなRe-IDモデルが新しい都市や環境に配備されると、セキュリティカメラネットワーク内の人物を探すタスクは重要なドメインシフトに直面し、パフォーマンスが低下する可能性がある。 実際、ほとんどの公共データセットは限られた地理的領域で収集されたが、新しい都市のイメージには異なる特徴がある(例えば、人々の民族や服装、天候、建築など)。 さらに、ビデオストリーム全体のフレームは、歩行者検出モデルを使用して、訓練に使用するデータセットを作成する人間のアノテータとは異なる振る舞いをする人々の収穫画像に変換する必要がある。 この問題の範囲をより深く理解するために,本論文では,ライブ運用における教師なしデプロイメントの適性に関して,Re-IDアプローチとトレーニングデータセットを評価するための完全な方法論を提案する。 この方法は、3つのデータセットに対して4つのRe-IDアプローチをベンチマークするために使用され、将来のRe-IDパイプラインの設計に役立つ洞察とガイドラインを提供する。

関連論文リスト

• Lifelong Person Search [12.17737196101962]
  本稿では,モデルが新たなデータセットで漸進的に訓練される,生涯人物探索(LPS)の新たな問題を紹介する。 本稿では,従来のモデルと新しいモデルの整合性学習を強制するために,知識蒸留を容易にするエンド・ツー・エンドのLPSフレームワークを提案する。 実験結果から,本手法は検出と再同定の両方において極めて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-07-31T00:19:22Z)
• 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)
• PGGANet: Pose Guided Graph Attention Network for Person Re-identification [0.0]
  人物再識別(ReID)は、異なるカメラで撮影された画像から人物を回収することを目的としている。 局所的な特徴と人像のグローバルな特徴を併用することで、人物の検索に堅牢な特徴表現を与えることができることが証明されている。 本研究では,ポーズガイド付きグラフアテンションネットワーク,グローバル機能のための1つのブランチ,中粒体機能のための1つのブランチ,粒状キーポイント機能のための1つのブランチからなるマルチブランチアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-11-29T09:47:39Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)
• Semi-Supervised Domain Generalizable Person Re-Identification [74.75528879336576]
  既存の人物の再識別(re-id)メソッドは、新しい目に見えないシナリオにデプロイされると立ち往生する。 近年,新たなシナリオにおける未ラベルの広範なデータをトランスダクティブ学習方式で活用するドメイン適応型人物再認識への取り組みが進められている。 我々は、複数のラベル付きデータセットを探索し、人物の再識別のための一般化されたドメイン不変表現を学習することを目指している。
  論文  参考訳（メタデータ） (2021-08-11T06:08:25Z)
• Unsupervised Pre-training for Person Re-identification [90.98552221699508]
  大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。 学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
  論文  参考訳（メタデータ） (2020-12-07T14:48:26Z)
• Multi-Domain Adversarial Feature Generalization for Person Re-Identification [52.835955258959785]
  マルチデータセット特徴一般化ネットワーク(MMFA-AAE)を提案する。 複数のラベル付きデータセットから普遍的なドメイン不変の特徴表現を学習し、それを見えないカメラシステムに一般化することができる。 また、最先端の教師付き手法や教師なしのドメイン適応手法を大きなマージンで超えている。
  論文  参考訳（メタデータ） (2020-11-25T08:03:15Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。