論文の概要: Advanced Machine Learning Approaches for Enhancing Person Re-Identification Performance

• arxiv url: http://arxiv.org/abs/2601.01356v1
• Date: Sun, 04 Jan 2026 03:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.247387
• Title: Advanced Machine Learning Approaches for Enhancing Person Re-Identification Performance
• Title（参考訳）: 人物再識別性能向上のための高度な機械学習アプローチ
• Authors: Dang H. Pham, Tu N. Nguyen, Hoa N. Nguyen,
• Abstract要約: 人物再識別(ReID)は、複数のカメラ間でアイデンティティをリンクすることによって、インテリジェントな監視システムにおいて重要な役割を果たす。 ReIDは外見の変化、ドメインシフト、ラベル付きデータ制限といった大きな課題に直面している。 この論文では、教師付き非教師付きドメイン適応(UDA)および完全に教師なし設定下でのReID性能を向上させるための3つの高度なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 10.582858943067041
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Person re-identification (ReID) plays a critical role in intelligent surveillance systems by linking identities across multiple cameras in complex environments. However, ReID faces significant challenges such as appearance variations, domain shifts, and limited labeled data. This dissertation proposes three advanced approaches to enhance ReID performance under supervised, unsupervised domain adaptation (UDA), and fully unsupervised settings. First, SCM-ReID integrates supervised contrastive learning with hybrid loss optimization (classification, center, triplet, and centroid-triplet losses), improving discriminative feature representation and achieving state-of-the-art accuracy on Market-1501 and CUHK03 datasets. Second, for UDA, IQAGA and DAPRH combine GAN-based image augmentation, domain-invariant mapping, and pseudo-label refinement to mitigate domain discrepancies and enhance cross-domain generalization. Experiments demonstrate substantial gains over baseline methods, with mAP and Rank-1 improvements up to 12% in challenging transfer scenarios. Finally, ViTC-UReID leverages Vision Transformer-based feature encoding and camera-aware proxy learning to boost unsupervised ReID. By integrating global and local attention with camera identity constraints, this method significantly outperforms existing unsupervised approaches on large-scale benchmarks. Comprehensive evaluations across CUHK03, Market-1501, DukeMTMC-reID, and MSMT17 confirm the effectiveness of the proposed methods. The contributions advance ReID research by addressing key limitations in feature learning, domain adaptation, and label noise handling, paving the way for robust deployment in real-world surveillance systems.
• Abstract（参考訳）: 人物再識別(ReID)は、複雑な環境で複数のカメラにIDをリンクすることで、インテリジェントな監視システムにおいて重要な役割を果たす。 しかし、ReIDは外観の変化、ドメインシフト、ラベル付きデータ制限といった大きな課題に直面している。 この論文は、教師なしドメイン適応(UDA)および完全に教師なし設定下でのReID性能を向上させるための3つの高度なアプローチを提案する。 まず、SCM-ReIDは教師付きコントラスト学習とハイブリッド損失最適化(分類、中心、三重項、遠方点の損失)を統合し、識別的特徴表現を改善し、Market-1501およびCUHK03データセット上で最先端の精度を達成する。 第二に、UDAでは、IQAGAとDAPRHは、GANベースの画像拡張、ドメイン不変マッピング、擬似ラベル改善を組み合わせて、ドメインの矛盾を緩和し、ドメイン間の一般化を強化する。 実験はベースライン手法よりも大幅に向上し、mAPとRanc-1は挑戦的な転送シナリオで最大12%改善した。 最後に、ViTC-UReIDはVision Transformerベースの機能エンコーディングとカメラ対応プロキシ学習を活用して、教師なしReIDを向上する。 グローバルおよびローカルな注意をカメラアイデンティティの制約と統合することにより、この手法は大規模ベンチマークにおける既存の教師なしアプローチを著しく上回っている。 CUHK03, Market-1501, DukeMTMC-reID, MSMT17の総合評価により,提案手法の有効性が確認された。 このコントリビューションは、特徴学習、ドメイン適応、ラベルノイズハンドリングにおける重要な制限に対処し、現実世界の監視システムへのロバストな展開の道を開くことで、ReID研究を前進させる。

関連論文リスト

• Adaptive Causal Coordination Detection for Social Media: A Memory-Guided Framework with Semi-Supervised Learning [1.5683405037750644]
  ACCDは3段階のプログレッシブアーキテクチャを採用し、メモリ誘導適応機構を利用して最適な検出設定を学習し維持する。 Twitter IRAデータセット、Redditのコーディネーショントレース、および広く採用されているボット検出ベンチマークなど、実世界のデータセットを使用して包括的な評価を行う。 ACCDのF1スコアは87.3%で、最強のベースラインよりも15.2%向上している。
  論文  参考訳（メタデータ） (2026-01-01T17:27:52Z)
• Improving Deepfake Detection with Reinforcement Learning-Based Adaptive Data Augmentation [60.04281435591454]
  CRDA(Curriculum Reinforcement-Learning Data Augmentation)は、マルチドメインの偽造機能を段階的にマスターするための検出器を導く新しいフレームワークである。 私たちのアプローチの中心は、強化学習と因果推論を統合することです。 提案手法は検出器の一般化性を大幅に向上し,複数のクロスドメインデータセット間でSOTA法より優れている。
  論文  参考訳（メタデータ） (2025-11-10T12:45:52Z)
• MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
  本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。 MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。 本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-30T14:46:05Z)
• Exploring Generalized Gait Recognition: Reducing Redundancy and Noise within Indoor and Outdoor Datasets [24.242460774158463]
  一般化歩行認識は、多様な領域にわたる堅牢なパフォーマンスを実現することを目的としている。 混合データセットトレーニングは一般化を高めるために広く利用されている。 クロスドメイン歩行認識を体系的に改善する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-21T06:46:09Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• On Exploring Pose Estimation as an Auxiliary Learning Task for Visible-Infrared Person Re-identification [66.58450185833479]
  本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。 これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。 2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
  論文  参考訳（メタデータ） (2022-01-11T09:44:00Z)
• 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。