إعادة تعريف الشخص الهرمي عبر التدريب الديناميكي متعدد الخسائر

معظم الطرق الحالية لإعادة التعرف (Re-ID) تعتمد بشكل كبير على الصناديق الحدودية الدقيقة التي تمكن من محاذاة الصور مع بعضها البعض. ومع ذلك، بسبب السيناريوهات العملية الصعبة، غالباً ما تنتج نماذج الكشف الحالية صناديق حدودية غير دقيقة، مما يؤدي حتماً إلى تدهور أداء خوارزميات إعادة التعرف الحالية. في هذا البحث، نقترح نموذجاً هرمياً جديداً ينتقل من الخشن إلى الدقيق لتخفيض الحاجة إلى الصناديق الحدودية، والذي لا يدمج فقط المعلومات المحلية والعالمية، بل يدمج أيضاً الإشارات التدريجية بينهما. يمكن للنموذج الهرمي أن يتطابق بمختلف المقاييس ثم يقوم بالبحث عن الصورة الصحيحة لنفس الهوية حتى عندما تكون أزواج الصور غير محاذاة. بالإضافة إلى ذلك، من أجل تعلم تمثيل الهوية المميز، نستكشف مخططاً تدريبياً ديناميكياً لتوحيد خسارةين بسلاسة واستخراج المعلومات المشتركة المناسبة بينهما. تظهر النتائج التجريبية بوضوح أن الطريقة المقترحة حققت أفضل النتائج على ثلاثة مجموعات بيانات. وبشكل خاص، فإن نهجنا يتفوق على أفضل طريقة حالية بنسبة 9.5% على مجموعة البيانات الأكثر تحدياً CUHK03 (CUHK03).