تحسين التعرف على الأشخاص عبر طريقة دمج الميزات غير المؤكدة ودمج القياسات ذات الوزن التلقائي

إعادة تحديد الشخص (Re-ID) هي مهمة صعبة تتمثل في التعرف على نفس الشخص عبر زوايا كاميرات مختلفة في أنظمة المراقبة. تعتمد الطرق الحالية عادةً على الميزات المستمدة من زوايا كاميرات فردية، وهي ما قد يكون محدودًا عند التعامل مع كاميرات متعددة والتغلب على التحديات مثل التغير في الزوايا والاختناقات. في هذه الورقة، نُقدّم نهجًا جديدًا يعزز قدرة نماذج Re-ID من خلال طريقة دمج الميزات غير المؤكدة (UFFM) وطريقة الجمع التلقائي للقياسات (AMC). تُولِّد UFFM ميزات متعددة الزوايا باستخدام ميزات مستخرجة بشكل مستقل من صور متعددة لتقليل التحيز الناتج عن الزوايا. ومع ذلك، فإن الاعتماد فقط على التشابه المستند إلى الميزات متعددة الزوايا محدود، لأن هذه الميزات تتجاهل التفاصيل الممثلة في الميزات الفردية للزاوية. ولذلك، نقترح طريقة AMC لتوليد قياس تشابه أكثر قوة من خلال دمج قياسات مختلفة. يُحسّن نهجنا بشكل ملحوظ دقة Rank@1 ودقة المتوسط المتوسط (mAP) عند تقييمه على مجموعات بيانات إعادة تحديد الشخص. وبالارتباط مع قاعدة BoT على مجموعات بيانات صعبة، نحقق نتائج مبهرة، حيث تزيد دقة Rank@1 بنسبة 7.9% ودقة mAP بنسبة 12.1% على مجموعة بيانات MSMT17. وعلى مجموعة بيانات Occluded-DukeMTMC، ترتفع دقة Rank@1 بنسبة 22.0% ودقة mAP بنسبة 18.4%. يمكن الوصول إلى الكود من خلال: https://github.com/chequanghuy/Enhancing-Person-Re-Identification-via-UFFM-and-AMC