論文の概要: LEAPS: End-to-End One-Step Person Search With Learnable Proposals

• arxiv url: http://arxiv.org/abs/2303.11859v1
• Date: Tue, 21 Mar 2023 13:59:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 14:47:17.092262
• Title: LEAPS: End-to-End One-Step Person Search With Learnable Proposals
• Title（参考訳）: LEAPS:学習可能な提案でワンステップ検索を終始
• Authors: Zhiqiang Dong, Jiale Cao, Rao Muhammad Anwer, Jin Xie, Fahad Khan, Yanwei Pang
• Abstract要約: LEAPSという学習可能な提案を用いたエンドツーエンドのワンステップ人物探索手法を提案する。 スパースと学習可能な提案のセットが与えられた後、LEAPSは動的人物検索ヘッドを使用して、非最大抑圧後処理なしで直接人物検出および対応するre-id特徴生成を行う。
• 参考スコア（独自算出の注目度）: 50.39493100627476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an end-to-end one-step person search approach with learnable proposals, named LEAPS. Given a set of sparse and learnable proposals, LEAPS employs a dynamic person search head to directly perform person detection and corresponding re-id feature generation without non-maximum suppression post-processing. The dynamic person search head comprises a detection head and a novel flexible re-id head. Our flexible re-id head first employs a dynamic region-of-interest (RoI) operation to extract discriminative RoI features of the proposals. Then, it generates re-id features using a plain and a hierarchical interaction re-id module. To better guide discriminative re-id feature learning, we introduce a diverse re-id sample matching strategy, instead of bipartite matching in detection head. Comprehensive experiments reveal the benefit of the proposed LEAPS, achieving a favorable performance on two public person search benchmarks: CUHK-SYSU and PRW. When using the same ResNet50 backbone, our LEAPS obtains a mAP score of 55.0%, outperforming the best reported results in literature by 1.7%, while achieving around a two-fold speedup on the challenging PRW dataset. Our source code and models will be released.
• Abstract（参考訳）: LEAPSという学習可能な提案を用いたエンドツーエンドのワンステップ人物探索手法を提案する。 スパースと学習可能な提案のセットが与えられた後、LEAPSは動的人物検索ヘッドを使用して、非最大抑圧後処理なしで直接人物検出および対応するre-id特徴生成を行う。 動的人物探索ヘッドは、検出ヘッドと、フレキシブルリIDヘッドとを備える。 我々のフレキシブルなre-idヘッドは、まず動的関心領域(RoI)演算を用いて、提案手法の識別的RoI特徴を抽出する。 そして、平文と階層的なre-idモジュールを使ってre-id機能を生成する。 識別的再帰的特徴学習を指導するために,検出ヘッドにおける二部マッチングの代わりに,多様な再帰的サンプルマッチング戦略を導入する。 総合的な実験により提案されたLEAPSの利点が明らかとなり、CUHK-SYSUとPRWの2つの公開人検索ベンチマークで好成績を収めた。 同じResNet50バックボーンを使用すると、LEAPSは55.0%のmAPスコアを取得し、最も報告された結果を1.7%上回り、挑戦的なPRWデータセットで2倍のスピードアップを達成した。 ソースコードとモデルはリリースされます。

関連論文リスト

• Bridging Search and Recommendation in Generative Retrieval: Does One Task Help the Other? [9.215695600542249]
  検索とレコメンデーションのための生成的検索は、アイテムを検索する上で有望なパラダイムである。 これらの生成システムは、様々な情報検索タスクを単一のモデルにまとめる上で重要な役割を果たす。 本稿では,このような統合されたアプローチが,IRタスクの検索・推薦においてタスク固有モデルより優れているかどうかを考察する。
  論文  参考訳（メタデータ） (2024-10-22T08:49:43Z)
• Contrastive Transformer Learning with Proximity Data Generation for Text-Based Person Search [60.626459715780605]
  記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。 このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。 本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-15T16:26:49Z)
• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• PSTR: End-to-End One-Step Person Search With Transformers [140.32813648935752]
  本稿では,一段階のトランスフォーマーに基づく人物検索フレームワークPSTRを提案する。 PSSモジュールは、人検出用の検出エンコーダデコーダと、人再識別子用の識別リIDデコーダを含む。 PRWベンチマークでは、平均平均精度(mAP)が56.5%に達する。
  論文  参考訳（メタデータ） (2022-04-07T10:22:33Z)
• Making Person Search Enjoy the Merits of Person Re-identification [12.311100923753449]
  我々はTDN(Teacher-guided Disentangling Networks)という,より高速で強力な人物検索フレームワークを提案する。 提案したTDNは、高度な人物Re-ID知識を人物検索モデルに転送することにより、人物検索性能を大幅に向上させることができる。 また,Re-IDモデルとワンステップ人物探索モデルとの間の入力形式の違いによるスケールギャップを橋渡しする知識伝達ブリッジモジュールを提案する。
  論文  参考訳（メタデータ） (2021-08-24T06:00:13Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Robust Partial Matching for Person Search in the Wild [70.6661871706788]
  本稿では、人物検出と再同定のためのAPNet(Align-to-Part Network)を提案する。 APNetは、推定された全体体領域をカバーする境界ボックスを検出する。 CUHK-SYSUやPRWといった既存の人物検索ベンチマーク上での競合性能を実現している。
  論文  参考訳（メタデータ） (2020-04-20T14:21:03Z)

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。