論文の概要: Human-in-the-Loop Visual Re-ID for Population Size Estimation

• arxiv url: http://arxiv.org/abs/2312.05287v2
• Date: Mon, 15 Jul 2024 17:05:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 02:34:28.774677
• Title: Human-in-the-Loop Visual Re-ID for Population Size Estimation
• Title（参考訳）: 人口規模推定のためのループ型視覚的Re-ID
• Authors: Gustavo Perez, Daniel Sheldon, Grant Van Horn, Subhransu Maji,
• Abstract要約: そこで本研究では,市販のRe-IDシステムから得られた2方向の類似性により,人口規模を推定する手法を提案する。 本手法は, 営巣重要度サンプリングに基づいて, 対の類似性によって駆動されるヒトの獣医に対する画像のペアを選択し, 集団サイズ推定値の偏りを導出する。
• 参考スコア（独自算出の注目度）: 27.83117174211899
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer vision-based re-identification (Re-ID) systems are increasingly being deployed for estimating population size in large image collections. However, the estimated size can be significantly inaccurate when the task is challenging or when deployed on data from new distributions. We propose a human-in-the-loop approach for estimating population size driven by a pairwise similarity derived from an off-the-shelf Re-ID system. Our approach, based on nested importance sampling, selects pairs of images for human vetting driven by the pairwise similarity, and produces asymptotically unbiased population size estimates with associated confidence intervals. We perform experiments on various animal Re-ID datasets and demonstrate that our method outperforms strong baselines and active clustering approaches. In many cases, we are able to reduce the error rates of the estimated size from around 80% using CV alone to less than 20% by vetting a fraction (often less than 0.002%) of the total pairs. The cost of vetting reduces with the increase in accuracy and provides a practical approach for population size estimation within a desired tolerance when deploying Re-ID systems.
• Abstract（参考訳）: コンピュータビジョンに基づく再識別システム(Re-ID)は,大規模な画像収集において,個体群の大きさを推定するためにますます普及している。 しかし、タスクが困難であったり、新しいディストリビューションのデータにデプロイされた場合、推定サイズは著しく不正確になる可能性がある。 そこで本研究では,市販のRe-IDシステムから得られた2方向の類似性により,人口規模を推定する手法を提案する。 本手法は, ネストされた重要度サンプリングに基づいて, 両者の類似性によって駆動されるヒトのベッティング画像のペアを選択し, 関連した信頼区間を持つ漸近的に偏りのない個体群の大きさの推定値を生成する。 各種Re-IDデータセットの実験を行い,本手法が強いベースラインとアクティブクラスタリング手法より優れていることを示す。 多くの場合、推定サイズの誤差率を、CV単独で約80%から20%未満に下げることができる。 ベッティングのコストは精度の向上とともに減少し、Re-IDシステムを展開する際の所望の許容範囲内における人口規模推定の実践的アプローチを提供する。

関連論文リスト

• Discriminative Estimation of Total Variation Distance: A Fidelity Auditor for Generative Data [10.678533056953784]
  本稿では,2つの分布間の総変動(TV)距離を推定する判別手法を提案する。 本手法は,2つの分布の分類におけるベイズリスクとテレビの距離の関係を定量的に評価する。 分類において、特定の仮説クラスを選択することで、テレビの距離を推定する際の高速収束率が達成できることを実証する。
  論文  参考訳（メタデータ） (2024-05-24T08:18:09Z)
• Estimating Unknown Population Sizes Using the Hypergeometric Distribution [1.03590082373586]
  総人口と構成カテゴリーの規模が不明な場合, 個別分布の推定に挑戦する。 本研究では,連続潜伏変数上での分布条件の混合となるデータ生成過程について考察する。 実験データシミュレーションにより,本手法は数値データをモデル化する他の可能性関数よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-22T01:53:56Z)
• How Much is Unseen Depends Chiefly on Information About the Seen [2.169081345816618]
  トレーニングデータに現れないクラスに属する未知の集団におけるデータポイントの割合は、トレーニングデータに同じ回数に現れるクラスの数$f_k$によってほぼ完全に決定される。 サンプルのみを用いて最小平均二乗誤差(MSE)を持つ推定器を探索する遺伝的アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-08T17:12:49Z)
• Direct Dense Pose Estimation [138.56533828316833]
  複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。 従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。 そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
  論文  参考訳（メタデータ） (2022-04-04T06:14:38Z)
• Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
  2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。 本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
  論文  参考訳（メタデータ） (2022-01-25T10:02:23Z)
• Targeting Underrepresented Populations in Precision Medicine: A Federated Transfer Learning Approach [7.467496975496821]
  多様な人口と複数の医療機関の異種データを統合した双方向データ統合戦略を提案する。 提案手法は, 人口の予測精度と予測精度を向上し, 人口間のモデル性能のギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2021-08-27T04:04:34Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• Global Distance-distributions Separation for Unsupervised Person Re-identification [93.39253443415392]
  既存の教師なしのReIDアプローチは、距離ベースのマッチング/ランク付けを通じて正のサンプルと負のサンプルを正しく識別するのに失敗することが多い。 本研究では,2つの分布に対する大域的距離分布分離の制約を導入し,大域的視点から正と負のサンプルを明確に分離することを奨励する。 本研究では,本手法がベースラインを大幅に改善し,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-06-01T07:05:39Z)
• TraDE: Transformers for Density Estimation [101.20137732920718]
  TraDEは自己回帰密度推定のための自己アテンションに基づくアーキテクチャである。 本稿では, 生成したサンプルを用いた回帰, 分布外検出, トレーニングデータにおける雑音に対する頑健性などのタスクについて述べる。
  論文  参考訳（メタデータ） (2020-04-06T07:32:51Z)
• Diversity inducing Information Bottleneck in Model Ensembles [73.80615604822435]
  本稿では,予測の多様性を奨励することで,ニューラルネットワークの効果的なアンサンブルを生成する問題をターゲットにする。 そこで本研究では,潜伏変数の学習における逆損失の多様性を明示的に最適化し,マルチモーダルデータのモデリングに必要な出力予測の多様性を得る。 最も競争力のあるベースラインと比較して、データ分布の変化の下で、分類精度が大幅に向上した。
  論文  参考訳（メタデータ） (2020-03-10T03:10:41Z)
• 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。