論文の概要: Camera-aware Label Refinement for Unsupervised Person Re-identification

• arxiv url: http://arxiv.org/abs/2403.16450v1
• Date: Mon, 25 Mar 2024 06:22:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 15:47:46.363059
• Title: Camera-aware Label Refinement for Unsupervised Person Re-identification
• Title（参考訳）: 監視されていない人物の再識別のためのカメラ対応ラベルリファインメント
• Authors: Pengna Li, Kangyi Wu, Wenli Huang, Sanping Zhou, Jinjun Wang,
• Abstract要約: 教師なしの人物再識別は、特定人物のイメージを識別ラベルなしで検索することを目的としている。 最近の教師なしRe-IDアプローチでは、クラスタリングをベースとして、クロスカメラの特徴的類似性を測定する手法が採用されている。 我々は、カメラ内類似性をクラスタリングすることで、カメラの差を小さくするtextbfCamera-textbfAware textbfLabel textbfRefinement(CALR)フレームワークを導入する。
• 参考スコア（独自算出の注目度）: 19.099192313056296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised person re-identification aims to retrieve images of a specified person without identity labels. Many recent unsupervised Re-ID approaches adopt clustering-based methods to measure cross-camera feature similarity to roughly divide images into clusters. They ignore the feature distribution discrepancy induced by camera domain gap, resulting in the unavoidable performance degradation. Camera information is usually available, and the feature distribution in the single camera usually focuses more on the appearance of the individual and has less intra-identity variance. Inspired by the observation, we introduce a \textbf{C}amera-\textbf{A}ware \textbf{L}abel \textbf{R}efinement~(CALR) framework that reduces camera discrepancy by clustering intra-camera similarity. Specifically, we employ intra-camera training to obtain reliable local pseudo labels within each camera, and then refine global labels generated by inter-camera clustering and train the discriminative model using more reliable global pseudo labels in a self-paced manner. Meanwhile, we develop a camera-alignment module to align feature distributions under different cameras, which could help deal with the camera variance further. Extensive experiments validate the superiority of our proposed method over state-of-the-art approaches. The code is accessible at https://github.com/leeBooMla/CALR.
• Abstract（参考訳）: 教師なしの人物再識別は、特定人物のイメージを識別ラベルなしで検索することを目的としている。 最近の非教師なしRe-IDアプローチでは、クラスタリングベースの手法を用いて、クラスタに画像を大まかに分割するために、クロスカメラの特徴的類似性を計測している。 カメラ領域のギャップによって引き起こされる特徴分布の不一致を無視し、必然的に性能劣化を引き起こす。 カメラ情報は通常利用可能であり、単一カメラの特徴分布は通常、個人の外観に重点を置いており、個人間のばらつきは少ない。 本稿では,カメラ内の類似性をクラスタ化することで,カメラの差を小さくするフレームワークについて紹介する。 具体的には、カメラ内トレーニングを用いて、各カメラ内の信頼できるローカルな擬似ラベルを取得し、カメラ間クラスタリングによって生成されたグローバルなラベルを洗練し、より信頼性の高いグローバルな擬似ラベルをセルフペーストして識別モデルを訓練する。 一方,異なるカメラで特徴分布を調整できるカメラアライメントモジュールを開発した。 大規模実験により,提案手法の最先端手法に対する優位性を検証した。 コードはhttps://github.com/leeBooMla/CALRでアクセスできる。

関連論文リスト

• Learning Intra and Inter-Camera Invariance for Isolated Camera Supervised Person Re-identification [6.477096324232456]
  クロスカメラ画像は、単にカメラスタイルで異なるIDとして認識される傾向がある。 本稿では,ISCS設定下での人物のリIDについて検討する。
  論文  参考訳（メタデータ） (2023-11-02T11:32:40Z)
• Camera-Driven Representation Learning for Unsupervised Domain Adaptive Person Re-identification [33.25577310265293]
  本稿では,カメララベルを利用したカリキュラム学習フレームワークを導入し,情報ソースからターゲットドメインへの知識の伝達を段階的に行う。 各カリキュラムシーケンスに対して、ターゲット領域の人物画像の擬似ラベルを生成し、教師付き方法でreIDモデルをトレーニングする。 擬似ラベルはカメラに対して非常に偏りがあり、同一のカメラから得られた人物画像は、異なるIDであっても同一の擬似ラベルを持つ可能性が高いことを示唆している。
  論文  参考訳（メタデータ） (2023-08-23T04:01:56Z)
• Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised Person Re-identification [8.779246907359706]
  監視されていない人物の再識別(Re-ID)は、識別ラベルなしでカメラを介して人物画像を取得することを目的としている。 クラスタリングに基づくほとんどの手法は、画像の特徴を大まかにクラスタに分割し、異なるカメラ間のドメインシフトに起因する特徴分布ノイズを無視する。 本稿では,カメラ内類似点をクラスタリングする新しいラベルリファインメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-25T08:04:12Z)
• Camera-aware Style Separation and Contrastive Learning for Unsupervised Person Re-identification [16.045209899229548]
  教師なしの人物再識別(ReID)は、データアノテーションなしでは難しい課題である。 カメラ対応型分離・コントラスト学習法(CA-UReID)を提案する。 学習可能な機能をカメラ固有の部分とカメラに依存しない部分に明確に分割することで、異なるカメラの影響を低減できる。
  論文  参考訳（メタデータ） (2021-12-19T08:53:42Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Intra-Inter Camera Similarity for Unsupervised Person Re-Identification [50.85048976506701]
  擬似ラベル生成のための新しいカメラ内類似性について検討する。 re-idモデルをカメラ内およびカメラ間擬似ラベルを用いて2段階訓練した。 この単純なinter-inter cameraの類似性は、複数のデータセットで驚くほど優れたパフォーマンスを生み出す。
  論文  参考訳（メタデータ） (2021-03-22T08:29:04Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)
• Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
  人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。 カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。 われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
  論文  参考訳（メタデータ） (2020-02-12T11:56:30Z)
• Rethinking the Distribution Gap of Person Re-identification with Camera-based Batch Normalization [90.9485099181197]
  本稿では,従来のReID手法の動作機構を再考する。 我々は、すべてのカメラの画像データを同じ部分空間に落とすように強制する。 幅広いReIDタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-01-23T17:22:34Z)

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。