論文の概要: Free Lunch for Gait Recognition: A Novel Relation Descriptor
- arxiv url: http://arxiv.org/abs/2308.11487v1
- Date: Tue, 22 Aug 2023 15:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 17:37:55.681439
- Title: Free Lunch for Gait Recognition: A Novel Relation Descriptor
- Title（参考訳）: 歩行認識のためのフリーランチ:新しい関係記述子
- Authors: Jilong Wang, Saihui Hou, Yan Huang, Chunshui Cao, Xu Liu, Yongzhen
Huang, Liang Wang
- Abstract要約: 我々は、歩行は個々の特徴の集合であるだけでなく、参照歩行が確立すれば、異なる被験者の歩行特徴の関連性も確立すると主張している。
我々はこの新しい記述子関係記述子 (RD) と呼ぶ。
我々の手法は、余分なパラメータを伴わずに、既訓練の分類モデルの上に構築することができる。
- 参考スコア（独自算出の注目度）: 17.140840871107628
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait recognition is to seek correct matches for query individuals by their
unique walking patterns at a long distance. However, current methods focus
solely on individual gait features, disregarding inter-personal relationships.
In this paper, we reconsider gait representation, asserting that gait is not
just an aggregation of individual features, but also the relationships among
different subjects' gait features once reference gaits are established. From
this perspective, we redefine classifier weights as reference-anchored gaits,
allowing each person's gait to be described by their relationship with these
references. In our work, we call this novel descriptor Relationship Descriptor
(RD). This Relationship Descriptor offers two benefits: emphasizing meaningful
features and enhancing robustness. To be specific, The normalized dot product
between gait features and classifier weights signifies a similarity relation,
where each dimension indicates the similarity between the test sample and each
training ID's gait prototype, respectively. Despite its potential, the direct
use of relationship descriptors poses dimensionality challenges since the
dimension of RD depends on the training set's identity count. To address this,
we propose a Farthest Anchored gaits Selection algorithm and a dimension
reduction method to boost gait recognition performance. Our method can be built
on top of off-the-shelf pre-trained classification-based models without extra
parameters. We show that RD achieves higher recognition performance than
directly using extracted features. We evaluate the effectiveness of our method
on the popular GREW, Gait3D, CASIA-B, and OU-MVLP, showing that our method
consistently outperforms the baselines and achieves state-of-the-art
performances.
- Abstract（参考訳）: 歩行認識は、個人が長距離で独自の歩行パターンでクエリする際の正しいマッチングを求めることである。
しかし、現在の方法は、個人間の関係を無視して、個々の歩行特性のみに焦点を当てている。
本稿では,歩行表現を再考し,歩行は個々の特徴の集約であるだけでなく,基準歩行が確立された後に異なる被験者の歩行特徴の関係性も示す。
この観点から、分類子重みを基準アンカーの歩容として再定義し、各人の歩容をそれらの参照との関係で記述できるようにする。
本稿では、この小説をRelation Descriptor (RD)と呼ぶ。
この関係記述子は、有意義な特徴を強調し、堅牢性を高めるという2つの利点を提供します。
具体的に言うと、歩行特徴と分類子重みの間の正規化ドット積は、各次元が各トレーニングidの歩行プロトタイプとテストサンプルの類似性を示す類似度関係を示す。
その可能性にもかかわらず、関係記述子の直接的な使用は、RDの次元がトレーニングセットのアイデンティティ数に依存するため、次元的課題を引き起こす。
そこで本研究では,歩行認識性能を向上させるために,Farthest Anchored Gaits Selectionアルゴリズムと次元削減手法を提案する。
我々の手法は、余分なパラメータを伴わずに、既訓練の分類モデルの上に構築することができる。
RDは抽出した特徴を直接利用するよりも高い認識性能が得られることを示す。
我々は,GREW,Gait3D,CASIA-B,OU-MVLPに対する提案手法の有効性を評価し,本手法がベースラインを一貫して上回り,最先端の性能を達成することを示す。
関連論文リスト
- Cloned Identity Detection in Social-Sensor Clouds based on Incomplete Profiles [5.411585313453657]
本研究では,プライバシに敏感なプロファイルデータに直面したソーシャルセンシングクラウドサービスプロバイダ(ソーシャルメディアユーザ)のクローンIDを効果的に検出する手法を提案する。
提案手法はICD-IPDと命名され,ソーシャルメディアから収集したユーザアカウントのセットから,ユーザ名や画面名に類似したアカウントペアを抽出する。
その後、与えられたアカウントに関連するマルチビュー表現を学び、単一のアカウントごとに2つのカテゴリの機能を抽出する。
論文 参考訳（メタデータ） (2024-11-02T18:23:22Z) - Exploring Fine-Grained Representation and Recomposition for Cloth-Changing Person Re-Identification [78.52704557647438]
補助的なアノテーションやデータなしに両方の制約に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。
FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
論文 参考訳（メタデータ） (2023-08-21T12:59:48Z) - Robust Outlier Rejection for 3D Registration with Variational Bayes [70.98659381852787]
我々は、ロバストアライメントのための新しい変分非局所ネットワークベース外乱除去フレームワークを開発した。
そこで本稿では, 投票に基づく不整合探索手法を提案し, 変換推定のための高品質な仮説的不整合をクラスタリングする。
論文 参考訳（メタデータ） (2023-04-04T03:48:56Z) - FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced
Context-Aware Network [48.912196729711624]
Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。
本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。
さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
論文 参考訳（メタデータ） (2023-01-19T16:31:13Z) - An Omnidirectional Approach to Touch-based Continuous Authentication [6.83780085440235]
本稿では,スマートフォン上でのタッチ操作が,タッチスクリーンが捉えた動作を通じて,継続的なユーザ認証サービスを実現する方法に焦点を当てる。
タッチ方向とは無関係に従来の手法より優れる一方向アプローチを提案する。
TouchAlyticsの機能は、3つ以上のストロークを組み合わせれば、私たちのアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-01-13T13:58:06Z) - Learning Classifiers of Prototypes and Reciprocal Points for Universal
Domain Adaptation [79.62038105814658]
Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。
主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。
既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
論文 参考訳（メタデータ） (2022-12-16T09:01:57Z) - Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised
Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。
近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。
本稿では, Pseudo Label Refinement フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-30T09:39:57Z) - Annotation Efficient Person Re-Identification with Diverse Cluster-Based
Pair Selection [39.61651209527681]
Person Re-ID (Person Re-identification) が注目されている。
Re-IDモデルのトレーニングには,トレーニングデータのアノテートには常にコストがかかります。
本稿では,ペアの誤り度と多様性に応じて,代替ペアセットから画像ペアを選択するための効率的な人物再同定法を提案し,アノテーションに基づいてRe-IDモデルを訓練する。
論文 参考訳（メタデータ） (2022-03-10T14:37:07Z) - Clusterability as an Alternative to Anchor Points When Learning with
Noisy Labels [7.920797564912219]
本稿では,クラスタ可能性条件に基づく効率的な推定手法を提案する。
アンカーポイントを使った手法と比較して、我々のアプローチはより多くのインスタンスを使用し、より優れたサンプル複雑さの恩恵を受ける。
論文 参考訳（メタデータ） (2021-02-10T07:22:56Z)
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。