論文の概要: Free Lunch for Gait Recognition: A Novel Relation Descriptor
- arxiv url: http://arxiv.org/abs/2308.11487v2
- Date: Mon, 28 Aug 2023 17:42:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 20:47:20.363343
- 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: テスト歩行と事前選択されたアンカーゲイトの関係をキャプチャする新しい$textbfRelation Descriptor$を提案する。
GREW, Gait3D, CASIA-B, OU-Mrimi に対する提案手法の有効性を検討した。
- 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. However, current methods focus solely on extracting
individual-specific features, overlooking inter-personal relationships. In this
paper, we propose a novel $\textbf{Relation Descriptor}$ that captures not only
individual features but also relations between test gaits and pre-selected
anchored gaits. Specifically, we reinterpret classifier weights as anchored
gaits and compute similarity scores between test features and these anchors,
which re-expresses individual gait features into a similarity relation
distribution. In essence, the relation descriptor offers a holistic perspective
that leverages the collective knowledge stored within the classifier's weights,
emphasizing meaningful patterns and enhancing robustness. Despite its
potential, relation descriptor poses dimensionality challenges since its
dimension depends on the training set's identity count. To address this, we
propose the Farthest Anchored-gait Selection to identify the most
discriminative anchored gaits and an Orthogonal Regularization to increase
diversity within anchored gaits. Compared to individual-specific features
extracted from the backbone, our relation descriptor can boost the performances
nearly without any extra costs. 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、独自の歩行パターンによってクエリ個人に適切なマッチングを求めることである。
しかし、現在の手法は個人特有の特徴を抽出することだけに重点を置いており、対人関係を見下ろしている。
本稿では,個々の特徴だけでなく,テスト歩行と事前選択されたアンカー歩行の関係も捉える,新しい$\textbf{relation descriptor}$を提案する。
具体的には,分類器重みをアンカー付き歩行として再解釈し,テスト特徴とこれらのアンカー間の類似度スコアを計算し,個々の歩行特徴を類似度関係分布に再表現する。
本質的に、リレーション・ディスクリプタは分類器の重みの中に格納された集合的知識を活用し、有意義なパターンを強調し、堅牢性を高める包括的視点を提供する。
その可能性にもかかわらず、関係記述子は、そ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、次元的課題を提起する。
これを解決するために,最も差別的なアンカー・ゲイト選択法と,アンカー・ゲイト内の多様性を高めるために直交正規化法を提案する。
バックボーンから抽出した個々の特徴と比較して、我々の関係記述子は余分なコストを伴わずに性能を向上させることができる。
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
- 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) - End-to-End Context-Aided Unicity Matching for Person Re-identification [100.02321122258638]
本稿では,人間同士の一致関係を学習・精査するための,エンドツーエンドの対人一意整合アーキテクチャを提案する。
サンプルのグローバルコンテキスト関係を用いて,ソフトマッチング結果を洗練し,両部グラフマッチングにより一致ユニシティに到達する。
実世界における人物再識別の応用を十分に考慮し, ワンショットとマルチショットの双方で一様マッチングを実現する。
論文 参考訳(メタデータ) (2022-10-20T07:33:57Z) - 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。