論文の概要: ReMix: Training Generalized Person Re-identification on a Mixture of Data

• arxiv url: http://arxiv.org/abs/2410.21938v1
• Date: Tue, 29 Oct 2024 10:57:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:42:54.483893
• Title: ReMix: Training Generalized Person Re-identification on a Mixture of Data
• Title（参考訳）: ReMix: データの混合による一般人再識別の訓練
• Authors: Timur Mamedov, Anton Konushin, Vadim Konushin,
• Abstract要約: ReMixは、限定ラベル付きマルチカメラと大きなラベル付きシングルカメラデータの混合に基づいて、共同で訓練された一般化されたRe-ID手法である。 実験により、ReMixは高度な一般化能力を有し、一般のRe-IDにおいて最先端の手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 1.77513002450736
• License:
• Abstract: Modern person re-identification (Re-ID) methods have a weak generalization ability and experience a major accuracy drop when capturing environments change. This is because existing multi-camera Re-ID datasets are limited in size and diversity, since such data is difficult to obtain. At the same time, enormous volumes of unlabeled single-camera records are available. Such data can be easily collected, and therefore, it is more diverse. Currently, single-camera data is used only for self-supervised pre-training of Re-ID methods. However, the diversity of single-camera data is suppressed by fine-tuning on limited multi-camera data after pre-training. In this paper, we propose ReMix, a generalized Re-ID method jointly trained on a mixture of limited labeled multi-camera and large unlabeled single-camera data. Effective training of our method is achieved through a novel data sampling strategy and new loss functions that are adapted for joint use with both types of data. Experiments show that ReMix has a high generalization ability and outperforms state-of-the-art methods in generalizable person Re-ID. To the best of our knowledge, this is the first work that explores joint training on a mixture of multi-camera and single-camera data in person Re-ID.
• Abstract（参考訳）: 現代の人物再識別法(Re-ID)は、一般化能力が弱く、環境の変化を捉える際に大きな精度低下を経験する。 これは、既存のマルチカメラRe-IDデータセットがサイズや多様性に制限されているためである。 同時に、ラベルなしのシングルカメラのレコードも大量に販売されている。 このようなデータは容易に収集できるため、より多種多様である。 現在、シングルカメラデータはRe-IDメソッドの自己教師付き事前トレーニングにのみ使用されている。 しかし,事前学習後に限られたマルチカメラデータを微調整することにより,単一カメラデータの多様性を抑えることができる。 本稿では,限定ラベル付きマルチカメラと大規模ラベル付きシングルカメラデータを組み合わせたRe-ID手法であるReMixを提案する。 本手法の有効性は,新しいデータサンプリング戦略と,両タイプのデータとの併用に適応した新たな損失関数によって達成される。 実験により、ReMixは高度な一般化能力を有し、一般のRe-IDにおいて最先端の手法より優れていることが示された。 我々の知る限りでは、これはRe-ID個人におけるマルチカメラとシングルカメラデータの混合に関する共同トレーニングを探求する最初の研究である。

関連論文リスト

• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• 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)
• Handling Label Uncertainty for Camera Incremental Person Re-Identification [17.5026399908583]
  人の再識別のためのインクリメンタルラーニング(ReID)は、継続的データストリームでトレーニング可能なモデルを開発することを目的としている。 新しいカメラから収集された新しいデータは、おそらくこれまで見たことのない量のIDを含んでいるかもしれない。 クラス重複問題に対処する新しいフレームワークExtendedOVAを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:59:54Z)
• 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)
• Unsupervised Pre-training for Person Re-identification [90.98552221699508]
  大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。 学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
  論文  参考訳（メタデータ） (2020-12-07T14:48:26Z)
• Camera On-boarding for Person Re-identification using Hypothesis Transfer Learning [41.115022307850424]
  仮説伝達学習を用いた人物再同定のための効率的なモデル適応手法を開発した。 提案手法は,知識を伝達するための複数の音源モデルの最適重み付け組合せを求めることにより,負の伝達効果を最小化する。
  論文  参考訳（メタデータ） (2020-07-22T00:43:29Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)
• 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。