論文の概要: GaitFormer: Learning Gait Representations with Noisy Multi-Task Learning
- arxiv url: http://arxiv.org/abs/2310.19418v1
- Date: Mon, 30 Oct 2023 10:28:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 20:45:32.783476
- Title: GaitFormer: Learning Gait Representations with Noisy Multi-Task Learning
- Title（参考訳）: GaitFormer: ノイズの多いマルチタスク学習による歩行表現の学習
- Authors: Adrian Cosma, Emilian Radoi
- Abstract要約: 本稿では,217Kの匿名トラックレットを含む歩行分析システムのための最大データセットであるDenseGaitを提案する。
また、CASIA-Bで92.5%、FVGで85.33%の精度を実現するトランスフォーマーベースのモデルであるGaitFormerを提案する。
- 参考スコア（独自算出の注目度）: 4.831663144935878
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait analysis is proven to be a reliable way to perform person identification
without relying on subject cooperation. Walking is a biometric that does not
significantly change in short periods of time and can be regarded as unique to
each person. So far, the study of gait analysis focused mostly on
identification and demographics estimation, without considering many of the
pedestrian attributes that appearance-based methods rely on. In this work,
alongside gait-based person identification, we explore pedestrian attribute
identification solely from movement patterns. We propose DenseGait, the largest
dataset for pretraining gait analysis systems containing 217K anonymized
tracklets, annotated automatically with 42 appearance attributes. DenseGait is
constructed by automatically processing video streams and offers the full array
of gait covariates present in the real world. We make the dataset available to
the research community. Additionally, we propose GaitFormer, a
transformer-based model that after pretraining in a multi-task fashion on
DenseGait, achieves 92.5% accuracy on CASIA-B and 85.33% on FVG, without
utilizing any manually annotated data. This corresponds to a +14.2% and +9.67%
accuracy increase compared to similar methods. Moreover, GaitFormer is able to
accurately identify gender information and a multitude of appearance attributes
utilizing only movement patterns. The code to reproduce the experiments is made
publicly.
- Abstract（参考訳）: 歩行分析は、被験者の協力に頼らずに個人識別を行うための信頼できる方法であることが証明されている。
歩行は、短時間で顕著に変化しない生体計測であり、個人特有のものと見なすことができる。
これまでの歩行分析の研究は、外見に基づく手法が依存する歩行者特性の多くを考慮せずに、主に識別と人口推定に焦点を当てていた。
本研究では、歩行に基づく人物識別とともに、移動パターンからのみ歩行者属性を識別する。
217kの匿名トラックレットを含む歩行分析システムを事前学習するための最大のデータセットであるdagegaitを提案する。
DenseGaitはビデオストリームを自動的に処理して構築され、現実世界に存在する一連の歩数共変量を提供する。
データセットを研究コミュニティに公開しています。
さらに,マルチタスク方式で事前学習したトランスフォーマーであるgaitformerを提案する。このモデルでは,cacia-bでは92.5%,fvgでは85.33%の精度を実現している。
これは、類似の手法と比較して、+14.2%と+9.67%の精度の増加に相当する。
さらに、ゲイトフォーマーは、動きパターンのみを利用して、性別情報と多数の外観属性を正確に識別することができる。
実験を再現するコードは公開されています。
関連論文リスト
- Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳（メタデータ） (2024-06-26T05:30:21Z) - Learning to Simplify Spatial-Temporal Graphs in Gait Analysis [4.831663144935878]
本稿では,歩行に基づく性別推定のための空間時間グラフ表現を簡略化する手法を提案する。
提案手法では,上流モデルと下流モデルという2つのモデルを用いて,歩行インスタンス毎に隣接行列を調整できる。
歩行に基づく性別推定のためのCASIA-Bデータセットに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2023-10-05T09:03:51Z) - Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。
GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。
室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文 参考訳（メタデータ） (2023-07-27T01:53:57Z) - HomE: Homography-Equivariant Video Representation Learning [62.89516761473129]
マルチビュービデオの表現学習のための新しい手法を提案する。
提案手法は異なる視点間の暗黙的なマッピングを学習し,近隣の視点間のホモグラフィ関係を維持する表現空間を決定づける。
動作分類では,UCF101データセットの96.4%の3倍精度が得られた。
論文 参考訳（メタデータ） (2023-06-02T15:37:43Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳（メタデータ） (2023-04-04T07:24:51Z) - Learning Gait Representation from Massive Unlabelled Walking Videos: A
Benchmark [11.948554539954673]
コントラスト学習を伴う歩行認識のための大規模自己教師付きベンチマークを提案する。
1.02万個の歩行シーケンスからなる大規模歩行データセットGaitLU-1Mを収集した。
そこで我々は, CASIA-B, OU-M, GREW, Gait3D の4つの広く使用されている歩行指標を用いて, 事前学習モデルの評価を行った。
論文 参考訳（メタデータ） (2022-06-28T12:33:42Z) - Label a Herd in Minutes: Individual Holstein-Friesian Cattle
Identification [12.493458478953515]
農場全体での視覚牛のIDシステムの訓練には,ラベル付けに10分しかかからなかった。
実世界の農業CCTVにおける個人ホルシュタイン・フリーズの自動識別作業において,自己監督,メートル法学習,クラスタ分析,アクティブラーニングが相互に補完可能であることを示す。
論文 参考訳（メタデータ） (2022-04-22T19:41:47Z) - RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。
以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文 参考訳（メタデータ） (2022-01-13T06:30:56Z) - WildGait: Learning Gait Representations from Raw Surveillance Streams [1.90365714903665]
歩行認識の既存の方法は、単一の人がカメラの前で直線で複数回歩いている協調歩行シナリオを必要とします。
本稿では,多数の自動注釈付きスケルトン配列上で時空間グラフ畳み込みネットワークを訓練する,新しい弱教師付き学習フレームワークwildgaitを提案する。
以上の結果から,現状のポーズに基づく歩容認識ソリューションは,微調整により認識精度を上回った。
論文 参考訳（メタデータ） (2021-05-12T09:11:32Z) - SelfGait: A Spatiotemporal Representation Learning Method for
Self-supervised Gait Recognition [24.156710529672775]
歩行認識は、歩行が距離で認識することができるユニークな生体測定機能であるため、人間の識別に重要な役割を果たします。
既存の歩行認識法は歩行系列から歩行特徴を異なる方法で学習することができるが、歩行認識の性能はラベル付きデータに苦しむ。
本研究では, 事前学習プロセスとして, 多種多様でラベルなしの歩行データを活用した自己監視歩行認識手法であるSelfGaitを提案する。
論文 参考訳（メタデータ） (2021-03-27T05:15:39Z) - Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。
これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。
提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
論文 参考訳（メタデータ） (2021-01-16T07:31:00Z)
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。