Auto-ReID: البحث عن شبكة اصطناعية واعية بالأجزاء لتعريف الأشخاص مجدداً

الشبكات العصبية التلافيفية العميقة (CNNs) السائدة لتحديد الهوية من جديد للأشخاص (ReID) تُبنى عادةً على أساس هياكل ResNet أو VGG، والتي تم تصميمها في الأصل للتصنيف. نظرًا لأن مهمة ReID تختلف عن التصنيف، يجب تعديل الهيكل وفقًا لذلك. نقترح البحث تلقائيًا عن هيكل CNN محدد خصيصًا لمهمة ReID. هناك ثلاثة جوانب يجب التعامل معها. أولاً، المعلومات البنيوية للجسم تلعب دورًا مهمًا في ReID ولكنها لا يتم ترميزها في الهياكل الأساسية. ثانيًا، يُحقق البحث التلقائي عن الهيكل العصبي (Neural Architecture Search - NAS) عملية تصميم الهيكل دون جهد بشري، لكن لا يوجد أي طرق NAS حالية تدمج معلومات البنية للصور المدخلة. ثالثًا، يعتبر ReID في الأساس مهمة استرجاع ولكن الخوارزميات الحالية لـ NAS تم تصميمها فقط للتصنيف. لحل هذه المشكلات، نقترح خوارزمية بحث مستندة إلى الاسترجاع فوق فضاء بحث مصمم خصيصًا لـ ReID، والذي يُطلق عليه اسم Auto-ReID. يتيح Auto-ReID النهج الآلي لإيجاد هيكل CNN كفء وفعال لمهمة ReID. أثبتت التجارب الواسعة أن الهيكل المبحوث عنه حقق أداءً رائدًا بينما قلل بنسبة 50% من المعالم و53% من العمليات العددية (FLOPs) مقارنة بالطرق الأخرى.