論文の概要: Real-Time Online Unsupervised Domain Adaptation for Real-World Person
Re-identification
- arxiv url: http://arxiv.org/abs/2306.03993v1
- Date: Tue, 6 Jun 2023 20:08:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 17:20:07.619235
- Title: Real-Time Online Unsupervised Domain Adaptation for Real-World Person
Re-identification
- Title（参考訳）: 実世界の人物再識別のためのリアルタイムオンライン教師なしドメイン適応
- Authors: Christopher Neff, Armin Danesh Pazho, Hamed Tabkhi
- Abstract要約: 本稿では、人物再識別のためのリアルタイムオンライン非教師付きドメイン適応(R$2OUDA)の設定を定義する。
この新たなR$2$OUDA設定のすべての側面に対処するために、実世界のリアルタイムオンラインストリーミング相互平均学習(R$2$MMT)を提案する。
- 参考スコア（独自算出の注目度）: 3.2872586139884623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Following the popularity of Unsupervised Domain Adaptation (UDA) in person
re-identification, the recently proposed setting of Online Unsupervised Domain
Adaptation (OUDA) attempts to bridge the gap towards practical applications by
introducing a consideration of streaming data. However, this still falls short
of truly representing real-world applications. This paper defines the setting
of Real-world Real-time Online Unsupervised Domain Adaptation (R$^2$OUDA) for
Person Re-identification. The R$^2$OUDA setting sets the stage for true
real-world real-time OUDA, bringing to light four major limitations found in
real-world applications that are often neglected in current research: system
generated person images, subset distribution selection, time-based data stream
segmentation, and a segment-based time constraint. To address all aspects of
this new R$^2$OUDA setting, this paper further proposes Real-World Real-Time
Online Streaming Mutual Mean-Teaching (R$^2$MMT), a novel multi-camera system
for real-world person re-identification. Taking a popular person
re-identification dataset, R$^2$MMT was used to construct over 100 data subsets
and train more than 3000 models, exploring the breadth of the R$^2$OUDA setting
to understand the training time and accuracy trade-offs and limitations for
real-world applications. R$^2$MMT, a real-world system able to respect the
strict constraints of the proposed R$^2$OUDA setting, achieves accuracies
within 0.1% of comparable OUDA methods that cannot be applied directly to
real-world applications.
- Abstract（参考訳）: 個人再識別におけるUnsupervised Domain Adaptation (UDA) の人気に続き,最近提案された Online Unsupervised Domain Adaptation (OUDA) は,ストリーミングデータを考慮した実践的アプリケーションへのギャップを埋めようとしている。
しかし、これはまだ現実のアプリケーションを表すものではない。
本稿では、人物再識別のためのリアルタイムオンライン教師なしドメイン適応(R$^2$OUDA)の設定を定義する。
R$^2$OUDA設定は、実際のリアルタイムOUDAのステージを設定し、現在の研究でしばしば無視される4つの実世界のアプリケーションで見られる4つの大きな制限、すなわち、システム生成人画像、サブセット分布の選択、時間ベースのデータストリームセグメンテーション、セグメントベースの時間制約をもたらす。
本稿では、この新たなR$^2$OUDA設定のすべての側面に対処するため、実世界の人物再識別のための新しいマルチカメラシステムであるReal-World Real-Time Online Streaming Mutual Mean-Teaching (R$^2$MMT)を提案する。
一般的な人物の再識別データセットを用いて、R$^2$MMTは100以上のデータサブセットを構築し、3000以上のモデルをトレーニングするために使用され、R$^2$OUDA設定の幅を広げて、現実世界のアプリケーションのトレーニング時間と精度のトレードオフと制限を理解した。
R$^2$MMTは提案されたR$^2$OUDA設定の厳密な制約を尊重できる実世界のシステムであり、実世界のアプリケーションに直接適用できない同等のOUDAメソッドの0.1%以内の精度を達成する。
関連論文リスト
- Bridging the Sim2Real gap with CARE: Supervised Detection Adaptation
with Conditional Alignment and Reweighting [72.75792823726479]
条件整合と再重み付けによる条件付きドメイン翻訳(CARE)を提案する。
本稿では,提案アルゴリズムの解析的正当性を示し,標準ベンチマーク上での競合手法よりも強い利得を示す。
論文 参考訳（メタデータ） (2023-02-09T18:39:28Z) - One-Shot Domain Adaptive and Generalizable Semantic Segmentation with
Class-Aware Cross-Domain Transformers [96.51828911883456]
セマンティックセグメンテーションのための教師なしのsim-to-realドメイン適応(UDA)は、シミュレーションデータに基づいて訓練されたモデルの実世界のテスト性能を改善することを目的としている。
従来のUDAは、適応のためのトレーニング中に利用可能なラベルのない実世界のサンプルが豊富にあると仮定することが多い。
実世界のデータサンプルが1つしか利用できない,一発の教師なしシム・トゥ・リアル・ドメイン適応(OSUDA)と一般化問題について検討する。
論文 参考訳（メタデータ） (2022-12-14T15:54:15Z) - Online Unsupervised Domain Adaptation for Person Re-identification [4.48123023008698]
本稿では,非教師付きドメイン適応のための新しいオンライン・セッティングについて紹介する。
我々は、有名なMarket-1501、Duke、MSMT17ベンチマークを用いて、最新のUDAアルゴリズムを新しいオンライン環境に適用し、評価する。
論文 参考訳（メタデータ） (2022-05-09T15:36:08Z) - Towards Online Domain Adaptive Object Detection [79.89082006155135]
既存のオブジェクト検出モデルは、トレーニングデータとテストデータの両方が同じソースドメインからサンプリングされていると仮定します。
オンライン設定における対象領域の一般化を適応・改善する新しい統合適応フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-11T17:47:22Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳（メタデータ） (2021-12-13T13:19:45Z) - 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) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z)
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。