論文の概要: Pose-Transformation and Radial Distance Clustering for Unsupervised Person Re-identification

• arxiv url: http://arxiv.org/abs/2411.04255v1
• Date: Wed, 06 Nov 2024 20:55:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:38:49.725238
• Title: Pose-Transformation and Radial Distance Clustering for Unsupervised Person Re-identification
• Title（参考訳）: 教師なし人物再識別のための空間変換と放射状距離クラスタリング
• Authors: Siddharth Seth, Akash Sonth, Anirban Chakraborty,
• Abstract要約: 人物再識別(re-ID)は、重複しないカメラ間での同一性マッチングの問題に対処することを目的としている。 監視されたアプローチでは、取得が困難になり、トレーニング対象のデータセットに対して本質的にバイアスがかかる可能性のあるID情報が必要となる。 本稿では,真のラベルの知識をゼロにすることで,学習した特徴の識別能力を向上する手法を提案する。
• 参考スコア（独自算出の注目度）: 5.522856885199346
• License:
• Abstract: Person re-identification (re-ID) aims to tackle the problem of matching identities across non-overlapping cameras. Supervised approaches require identity information that may be difficult to obtain and are inherently biased towards the dataset they are trained on, making them unscalable across domains. To overcome these challenges, we propose an unsupervised approach to the person re-ID setup. Having zero knowledge of true labels, our proposed method enhances the discriminating ability of the learned features via a novel two-stage training strategy. The first stage involves training a deep network on an expertly designed pose-transformed dataset obtained by generating multiple perturbations for each original image in the pose space. Next, the network learns to map similar features closer in the feature space using the proposed discriminative clustering algorithm. We introduce a novel radial distance loss, that attends to the fundamental aspects of feature learning - compact clusters with low intra-cluster and high inter-cluster variation. Extensive experiments on several large-scale re-ID datasets demonstrate the superiority of our method compared to state-of-the-art approaches.
• Abstract（参考訳）: 人物再識別(re-ID)は、重複しないカメラ間での同一性マッチングの問題に対処することを目的としている。 監視されたアプローチでは、取得が困難で、トレーニング対象のデータセットに本質的に偏りがあるID情報が必要であるため、ドメイン間でのスケーリングが不可能になる。 これらの課題を克服するために、我々は、人物のre-ID設定に対する教師なしアプローチを提案する。 提案手法は,真のラベルの知識をゼロにすることで,新たな2段階学習戦略によって学習特徴の識別能力を高める。 第1段階では、専門家が設計したポーズ変換データセット上で、ポーズ空間の各オリジナル画像に対する複数の摂動を生成することによって、ディープネットワークをトレーニングする。 次に、提案した識別クラスタリングアルゴリズムを用いて、類似した機能を特徴空間に近づけることを学ぶ。 特徴学習の基本的な側面 - クラスタ内の低さとクラスタ間変動の大きいコンパクトクラスタ - に沿う新しい放射差損失を導入する。 いくつかの大規模なre-IDデータセットに対する大規模な実験は、最先端のアプローチと比較して、我々の手法の優位性を実証している。

関連論文リスト

• Applying Unsupervised Semantic Segmentation to High-Resolution UAV Imagery for Enhanced Road Scene Parsing [12.558144256470827]
  新規な教師なし道路解析フレームワークについて紹介する。 提案手法は,手動のアノテーションを使わずに,開発データセット上で89.96%のmIoUの平均インターセクションを実現する。
  論文  参考訳（メタデータ） (2024-02-05T13:16:12Z)
• Learning from Self-Discrepancy via Multiple Co-teaching for Cross-Domain Person Re-Identification [12.106894735305714]
  ドメイン適応者再IDのための複数コティーチングフレームワークを提案する。 本手法は最先端技術と比較して競争力が向上する。
  論文  参考訳（メタデータ） (2021-04-06T03:12:11Z)
• Unsupervised Person Re-identification via Simultaneous Clustering and Consistency Learning [22.008371113710137]
  静止画からの視覚的一貫性とトレーニングプロセス中の時間的一貫性を学習することにより、教師なし再IDのプリテキストタスクを設計します。 2つのエンコードされたビューを同じクラスタにグループ化し、ビュー間の視覚的一貫性を高めることで、モデルを最適化する。
  論文  参考訳（メタデータ） (2021-04-01T02:10:42Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• 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 Attention Based Instance Discriminative Learning for Person Re-Identification [5.233788055084763]
  事前学習をせずにエンドツーエンドで訓練された人物再識別のための教師なしフレームワークを提案する。 提案手法は,グループ畳み込みを組み合わせ,複数スケールでの空間的注意力を高める新しいアテンション機構を利用する。 我々はMarket1501とDukeMTMC-reIDデータセットを用いて広範囲に解析を行い、我々の手法が常に最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T18:08:31Z)
• Unsupervised Person Re-identification via Softened Similarity Learning [122.70472387837542]
  人物再識別(re-ID)はコンピュータビジョンにおいて重要なトピックである。 本稿では,ラベル付き情報を必要としないre-IDの教師なし設定について検討する。 2つの画像ベースおよびビデオベースデータセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-04-07T17:16:41Z)
• Cross-Resolution Adversarial Dual Network for Person Re-Identification and Beyond [59.149653740463435]
  人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。 カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。 本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T07:21:38Z)
• 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)
• 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。