論文の概要: A Re-ranking Method using K-nearest Weighted Fusion for Person Re-identification

• arxiv url: http://arxiv.org/abs/2509.04050v1
• Date: Thu, 04 Sep 2025 09:29:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.115659
• Title: A Re-ranking Method using K-nearest Weighted Fusion for Person Re-identification
• Title（参考訳）: K-nearest Weighted Fusion を用いた人物再識別のための再分類法
• Authors: Quang-Huy Che, Le-Chuong Nguyen, Gia-Nghia Tran, Dinh-Duy Phan, Vinh-Tiep Nguyen,
• Abstract要約: 本稿では,隣人の特徴を集約することで,多視点特徴を効率よく生成する手法を提案する。 本手法は,マーケット1501,MSMT17,Occluded-DukeMTMCの人物識別データセットについて検討した。
• 参考スコア（独自算出の注目度）: 2.1204495827342438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In person re-identification, re-ranking is a crucial step to enhance the overall accuracy by refining the initial ranking of retrieved results. Previous studies have mainly focused on features from single-view images, which can cause view bias and issues like pose variation, viewpoint changes, and occlusions. Using multi-view features to present a person can help reduce view bias. In this work, we present an efficient re-ranking method that generates multi-view features by aggregating neighbors' features using K-nearest Weighted Fusion (KWF) method. Specifically, we hypothesize that features extracted from re-identification models are highly similar when representing the same identity. Thus, we select K neighboring features in an unsupervised manner to generate multi-view features. Additionally, this study explores the weight selection strategies during feature aggregation, allowing us to identify an effective strategy. Our re-ranking approach does not require model fine-tuning or extra annotations, making it applicable to large-scale datasets. We evaluate our method on the person re-identification datasets Market1501, MSMT17, and Occluded-DukeMTMC. The results show that our method significantly improves Rank@1 and mAP when re-ranking the top M candidates from the initial ranking results. Specifically, compared to the initial results, our re-ranking method achieves improvements of 9.8%/22.0% in Rank@1 on the challenging datasets: MSMT17 and Occluded-DukeMTMC, respectively. Furthermore, our approach demonstrates substantial enhancements in computational efficiency compared to other re-ranking methods.
• Abstract（参考訳）: 個人の再識別においては、検索した結果の初期ランキングを精査することにより、全体的な精度を高めるための重要なステップである。 従来の研究は主に単一視点画像の特徴に焦点を当てており、ビューバイアスや、ポーズのバリエーション、視点の変化、オクルージョンといった問題を引き起こす可能性がある。 人を示すためにマルチビュー機能を使用することは、ビューバイアスを減らすのに役立つ。 そこで本研究では,K-nearest Weighted Fusion (KWF) 法を用いて隣人の特徴を集約することにより,多視点特徴を効率よく生成する手法を提案する。 具体的には、再同定モデルから抽出した特徴が同一の同一性を表す場合に非常によく似ていると仮定する。 そこで、教師なしの方法でK近傍の特徴を選択し、多視点特徴を生成する。 さらに,本研究では,特徴集約時の重み選択戦略について検討し,有効戦略の特定を可能にする。 私たちの再ランクのアプローチでは、モデル微調整や追加アノテーションは必要とせず、大規模なデータセットに適用できます。 本手法は,マーケット1501,MSMT17,Occluded-DukeMTMCの人物識別データセットについて検討した。 その結果, 上位M候補を初期ランキングから再ランク付けすると, ランク@1とmAPが有意に向上することがわかった。 具体的には、初期結果と比較すると、MSMT17とOccluded-DukeMTMCの3つの挑戦データセットにおいて、ランク@1の9.8%/22.0%の改善を実現している。 さらに,本手法は,他の再分類手法と比較して,計算効率の大幅な向上を示す。

関連論文リスト

• Enhancing person re-identification via Uncertainty Feature Fusion Method and Auto-weighted Measure Combination [1.183049138259841]
  人物再識別(Re-ID)は、監視システムにおいて、異なるカメラビューで同一人物を特定することを含む、困難なタスクである。 本稿では,不確定特徴融合法(UFFM)と自動重み付け器(AMC)によるReIDモデルの能力を向上する新しい手法を提案する。 本手法は,人物の再識別データセットで評価した場合のランク@1精度と平均精度(mAP)を大幅に改善する。
  論文  参考訳（メタデータ） (2024-05-02T09:09:48Z)
• On Modality Bias Recognition and Reduction [70.69194431713825]
  マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。 本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。 本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-02-25T13:47:09Z)
• Compactness Score: A Fast Filter Method for Unsupervised Feature Selection [66.84571085643928]
  本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。 提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
  論文  参考訳（メタデータ） (2022-01-31T13:01:37Z)
• Contextual Similarity Aggregation with Self-attention for Visual Re-ranking [96.55393026011811]
  本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。 提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
  論文  参考訳（メタデータ） (2021-10-26T06:20:31Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端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） (2021-04-11T03:25:25Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Improving Person Re-identification with Iterative Impression Aggregation [115.28738095583228]
  このような直感を人身認証問題(re-ID)に定式化する。 本稿では、このアイデアをインスタンス化し、そのようなパイプラインが標準ベンチマーク上での競合性能を達成することを示すため、簡単な注意集約式を提案する。
  論文  参考訳（メタデータ） (2020-09-21T17:59:04Z)

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。