الثبات مهم: ذاكرة النماذج للاعتراف بالشخص مع التكيف بين المجالات

هذا البحث يتناول مشكلة إعادة التعرف على الأفراد مع التكيف بين المجالات (Re-ID): تعلم نموذج Re-ID من مجال مصدر مصنف ومجال هدف غير مصنف. تتمثل الأساليب التقليدية بشكل أساسي في تقليص الفجوة في توزيع الخصائص بين مجال المصدر ومجال الهدف. ومع ذلك، فإن هذه الدراسات تتجاهل إلى حد كبير التباينات داخلية في مجال الهدف، والتي تحتوي على عوامل حاسمة تؤثر على أداء الاختبار في مجال الهدف. في هذا العمل، نقوم بدراسة شاملة للتباينات الداخلية لمجال الهدف ونقترح توسيع نطاق نموذج Re-ID فيما يتعلق بأنواع ثلاثة من الثبات الكامن، وهي: الثبات النموذجي (Exemplar-invariance)، الثبات الكاميري (Camera-invariance) والثبات الجواري (Neighborhood-invariance). لتحقيق هذا الهدف، يتم تقديم ذاكرة نماذج لتخزين خصائص مجال الهدف واستيعاب الثلاث خصائص الثابتة. تتيح لنا هذه الذاكرة فرض قيود الثبات على الدفعة التدريبية العالمية دون زيادة كبيرة في تكلفة الحساب. تظهر التجارب أن الثلاث خصائص الثابتة والذاكرة المقترحة ضرورية لتحقيق نظام فعال للتكيف بين المجالات. تبين النتائج في ثلاثة مجالات Re-ID أن دقة التكيف بين المجالات لدينا تتقدم بكثير على أفضل ما تم تحقيقه حتى الآن. الرمز متاح على: https://github.com/zhunzhong07/ECN