تمثيل ميزات غير متأثر بالعينة للتعريف الطويل الأمد بالشخص

إعادة تحديد الأشخاص (Person Re-identification) هي مشكلة تتطلب تحديد الأفراد عبر كاميرات غير متداخلة. وعلى الرغم من التقدم الكبير المحرز في مجال إعادة التعرف على الأشخاص، إلا أنها ما زالت تمثل مشكلة صعبة ناتجة عن التغيرات في المظهر للشخص نفسه، وكذلك بسبب وجود أشخاص آخرين يشبهونه من حيث المظهر. وقد حاولت بعض الدراسات السابقة معالجة هذه المشكلات من خلال فصل ميزات العينات الإيجابية عن ميزات العينات السلبية. ومع ذلك، فإن أداء النماذج الحالية يعتمد بشكل كبير على خصائص وإحصائيات العينات المستخدمة في التدريب. ولذلك، نقترح إطارًا جديدًا يُسمى شبكة تمثيل الميزات القوية المستقلة عن العينة (SirNet)، والتي تتعلم تمثيلًا مميزًا للسمات من عينات مختارة عشوائيًا. كما تم تقديم خسارة مُحددة بعناية تُسمى "خسارة الفرق الأقصى المستقلة عن العينة" لتمثيل العينات الخاصة بالشخص نفسه كمجموعة متماسكة. وبذلك، يمكن للإطار المقترح إنشاء عينات سلبية/إيجابية صعبة إضافية باستخدام الميزات المُتعلمة، مما يؤدي إلى تمييز أفضل عن الهويات الأخرى. وقد أكدت النتائج التجريبية الواسعة على مجموعات بيانات معيارية كبيرة أن النموذج المقترح أكثر فعالية من النماذج السابقة المتطورة في مجاله.