التعلم المشترك لخصائص الكشف والتعريف للبحث عن الشخص

المنصات والطرق الحالية لتحديد الهوية من جديد تركز بشكل أساسي على مطابقة صور المشاة المقطوعة بين الاستعلامات والمرشحين. ومع ذلك، فإن هذا يختلف عن السيناريوهات الواقعية حيث تكون علامات الصناديق الحدودية للمشاة غير متاحة ويتعين البحث عن الشخص المستهدف من مجموعة صور مشهد كامل. لسد هذه الفجوة، نقترح إطارًا جديدًا للتعلم العميق لبحث الأشخاص. بدلاً من تقسيم المشكلة إلى مهمتين منفصلتين - اكتشاف المشاة وتحديد هوية الشخص من جديد - نتعامل مع كلا الجانبين في شبكة عصبية تقنية واحدة. تم اقتراح دالة خسارة مطابقة النماذج الفردية عبر الإنترنت (OIM) لتدريب الشبكة بكفاءة، وهي قابلة للتوسع إلى مجموعات بيانات تحتوي على عدد كبير من الهويات. لتأكيد نهجنا، جمعنا وعلمنا مجموعة بيانات مقاييس كبيرة لبحث الأشخاص. تحتوي هذه المجموعة على 18,184 صورة، 8,432 هوية، و96,143 صندوق حدودي للمشاة. أظهرت التجارب أن إطارنا يتفوق على الطرق المنفصلة الأخرى، وأن دالة الخسارة OIM المقترحة تتقارب بشكل أسرع وأفضل من دالة الخسارة Softmax التقليدية.