تكيف أسلوب الكاميرا لتحديد الهوية الشخصية مرة أخرى

بما أن مهمة إعادة التعرف على الأشخاص هي مهمة استرجاع عبر الكاميرات، فإنها تعاني من تباينات في أسلوب الصور الناجمة عن كاميرات مختلفة. يعالج الفن الضمني هذه المشكلة من خلال تعلم فضاء وصفي ثابت أمام الكاميرا. في هذا البحث، نعتبر هذا التحدي بشكل صريح من خلال تقديم تكيف أسلوب الكاميرا (CamStyle). يمكن لـ CamStyle أن يعمل كطريقة زيادة بيانات حيث يتم تخفيف الاختلافات في أسلوب الكاميرا. بتحديد، باستخدام CycleGAN، يمكن نقل أسلوب الصور المعلمة للتدريب إلى كل كاميرا، ومن ثم تشكيل مجموعة بيانات التدريب المعززة مع العينات الأصلية للتدريب. بينما يزيد هذا الأسلوب من تنوع البيانات ضد الانعراج الزائد (over-fitting)، فإنه أيضًا يسبب مستوىً ملحوظًا من الضوضاء. في محاولة لتخفيف تأثير الضوضاء، تم اعتماد تقنية التنظيم بالتنعيم التسميات (Label Smooth Regularization - LSR). يؤدي الإصدار البسيط من طريقتنا (بدون LSR) إلى أداء جيد بشكل معقول في أنظمة ذات عدد قليل من الكاميرات حيث غالبًا ما يحدث الانعراج الزائد. ومع LSR، نظهر تحسينًا متسقًا في جميع الأنظمة بغض النظر عن مدى حدوث الانعراج الزائد. كما نقدم دقة تنافسية مقارنة بأحدث التقنيات المعاصرة.