論文の概要: Spatial Cascaded Clustering and Weighted Memory for Unsupervised Person Re-identification

• arxiv url: http://arxiv.org/abs/2403.00261v1
• Date: Fri, 1 Mar 2024 03:52:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 18:13:58.886800
• Title: Spatial Cascaded Clustering and Weighted Memory for Unsupervised Person Re-identification
• Title（参考訳）: 教師なし人物再識別のための空間カスケードクラスタリングと軽量メモリ
• Authors: Jiahao Hong, Jialong Zuo, Chuchu Han, Ruochen Zheng, Ming Tian, Changxin Gao, Nong Sang
• Abstract要約: 教師なしの人物再識別(re-ID)手法は、きめ細かい局所的コンテキストを利用して高い性能を達成する。 パートベース手法は, 様々なポーズによる不適応に苦しむ水平分割を通して, 局所的文脈を求める。 本稿では,これらの課題に対処するため,空間カスケードクラスタリングと重み付けメモリ(SCWM)手法を提案する。 SCWMは、メモリモジュールがハードサンプルマイニングとノイズ抑制のバランスを保ちながら、異なる人体部分のより正確なローカルコンテキストを解析、調整することを目的としている。
• 参考スコア（独自算出の注目度）: 32.95715593278961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent unsupervised person re-identification (re-ID) methods achieve high performance by leveraging fine-grained local context. These methods are referred to as part-based methods. However, most part-based methods obtain local contexts through horizontal division, which suffer from misalignment due to various human poses. Additionally, the misalignment of semantic information in part features restricts the use of metric learning, thus affecting the effectiveness of part-based methods. The two issues mentioned above result in the under-utilization of part features in part-based methods. We introduce the Spatial Cascaded Clustering and Weighted Memory (SCWM) method to address these challenges. SCWM aims to parse and align more accurate local contexts for different human body parts while allowing the memory module to balance hard example mining and noise suppression. Specifically, we first analyze the foreground omissions and spatial confusions issues in the previous method. Then, we propose foreground and space corrections to enhance the completeness and reasonableness of the human parsing results. Next, we introduce a weighted memory and utilize two weighting strategies. These strategies address hard sample mining for global features and enhance noise resistance for part features, which enables better utilization of both global and part features. Extensive experiments on Market-1501 and MSMT17 validate the proposed method's effectiveness over many state-of-the-art methods.
• Abstract（参考訳）: 近年の非教師なし人物再識別(re-ID)手法は, きめ細かい局所的コンテキストを利用して高い性能を実現する。 これらの手法は部分法と呼ばれる。 しかし、ほとんどの部分的手法は、様々な人間のポーズによって誤認に苦しむ水平分割によって局所的な文脈を得る。 さらに、部分的特徴における意味情報の誤用は、計量学習の使用を制限するため、部分的手法の有効性に影響を及ぼす。 上述の2つの問題は、パートベースのメソッドにおける部分的特徴の未利用に繋がる。 本稿では,これらの課題に対処するため,空間カスケードクラスタリングと重み付けメモリ(SCWM)手法を提案する。 SCWMは、メモリモジュールがハードサンプルマイニングとノイズ抑制のバランスを保ちながら、異なる人体部分のより正確なローカルコンテキストを解析、調整することを目的としている。 具体的には,前景の欠落問題と空間的混乱問題について,まず最初に分析を行った。 次に,人間の解析結果の完全性と合理性を高めるために,前景と空間の補正を提案する。 次に重み付けメモリを導入し,重み付け戦略を2つ活用する。 これらの戦略は、グローバルな特徴に対するハードサンプルマイニングに対処し、部分的特徴に対する耐雑音性を高め、グローバルな特徴と部分的特徴の両方をより良い利用を可能にする。 Market-1501とMSMT17の大規模な実験は、提案手法が多くの最先端手法に対して有効であることを検証する。

関連論文リスト

• Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
  本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。 このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
  論文  参考訳（メタデータ） (2024-08-05T08:35:59Z)
• Anti-Collapse Loss for Deep Metric Learning Based on Coding Rate Metric [99.19559537966538]
  DMLは、分類、クラスタリング、検索といった下流タスクのための識別可能な高次元埋め込み空間を学習することを目的としている。 埋め込み空間の構造を維持し,特徴の崩壊を避けるために,反崩壊損失と呼ばれる新しい損失関数を提案する。 ベンチマークデータセットの総合実験により,提案手法が既存の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-03T13:44:20Z)
• Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM [55.93697196726016]
  本稿では,SEEM(Seegment-Everything-Everywhere Model)を用いた簡易かつ効果的な群集カウント手法を提案する。 密集した群集シーンにおけるSEEMの性能は,高密度領域の多くの人々が欠落していることが主な原因である。 提案手法は,群集カウントにおいて最高の教師なし性能を実現すると同時に,いくつかの教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-02-27T13:55:17Z)
• Mitigating the Effect of Incidental Correlations on Part-based Learning [50.682498099720114]
  部分ベースの表現は、より解釈可能で、限られたデータでより一般化できる。 パートベース表現のための2つの革新的な正規化手法を提案する。 我々は、ベンチマークデータセット上の数ショットの学習タスクに対して、最先端(SoTA)パフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-09-30T13:44:48Z)
• Region Generation and Assessment Network for Occluded Person Re-Identification [43.49129366128688]
  個人再識別(ReID)は近年,幅広い応用分野において,より重要な役割を担っている。 ほとんどの手法は、ボディ部分の特定やマッチング戦略の活用に外部ツールを活用することで、このような課題に対処する。 人体領域を効果的かつ効率的に検出する領域生成評価ネットワーク(RGANet)を提案する。
  論文  参考訳（メタデータ） (2023-09-07T08:41:47Z)
• A Global to Local Double Embedding Method for Multi-person Pose Estimation [10.05687757555923]
  本稿では,人検出と関節検出を同時に行うことにより,パイプラインを簡素化する新しい手法を提案する。 マルチパーソンポーズ推定タスクをグローバルからローカルに完了するダブルエンベディング(DE)手法を提案する。 MSCOCO, MPII および CrowdPose のベンチマークを用いて,本手法の有効性と一般化能力を示す。
  論文  参考訳（メタデータ） (2021-02-15T03:13:38Z)
• Attentional-Biased Stochastic Gradient Descent [74.49926199036481]
  深層学習におけるデータ不均衡やラベルノイズ問題に対処するための証明可能な手法(ABSGD)を提案する。 本手法は運動量SGDの簡易な修正であり,各試料に個別の重み付けを行う。 ABSGDは追加コストなしで他の堅牢な損失と組み合わせられるほど柔軟である。
  論文  参考訳（メタデータ） (2020-12-13T03:41:52Z)
• Parts-Based Articulated Object Localization in Clutter Using Belief Propagation [6.813222130986094]
  本稿では, クラッタ内における明瞭な物体の認識と位置推定法について述べる。 本研究では,手工具の認識と位置決定のためのテーブルトップ環境における提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-08-06T21:34:52Z)
• Learning to Manipulate Individual Objects in an Image [71.55005356240761]
  本稿では,独立性および局所性を有する潜在因子を用いた生成モデルを学習する手法について述べる。 これは、潜伏変数の摂動が、オブジェクトに対応する合成画像の局所領域のみに影響を与えることを意味する。 他の教師なし生成モデルとは異なり、オブジェクトレベルのアノテーションを必要とせず、オブジェクト中心の操作を可能にする。
  論文  参考訳（メタデータ） (2020-04-11T21:50:20Z)
• A flexible outlier detector based on a topology given by graph communities [0.0]
  異常検出は機械学習手法と統計的予測モデルの最適性能に不可欠である。 トポロジーは、特徴空間内の互いに隣接する近傍を成す重み付きグラフのコミュニティを用いて計算される。 当社のアプローチは、ローカル戦略とグローバル戦略の両方において、複数のビュー設定と単一ビュー設定で総合的に優れています。
  論文  参考訳（メタデータ） (2020-02-18T18:40:31Z)

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。