نهج التصنيف القائم على الصور والجزئي الفئوي للتعرف على السمات البدنية

يمكن إضافة عمليات بحث نصية إلى نظام مراقبة لتحديد الهوية (re-ID) باستخدام تقنية التعرف على السمات البشرية (PAR). إن إضافة وحدة PAR تعتمد على الشبكة العصبية التلافيفية (CNN) إلى نموذج re-ID يكون فعّالاً في كلا المهمتين، على الرغم من أن عدد النماذج القليلة التي ركّزت على تعديل البيانات بدلًا من النموذج لتحسين النتائج. وبلا أخذ التكلفة الحاسوبية أو صعوبة التنفيذ أو القدرة على التعميم بعين الاعتبار، تسعى معظم الطرق متعددة المهام الحديثة إلى تجاوز الأساليب السابقة باستخدام نماذج وبنية جديدة على مجموعات بيانات ثابتة. ولدراسة تأثير البيانات على أداء التعرف على السمات، تُقترح في هذه الدراسة مجموعة بيانات قائمة على الصور وتحتوي على سمات جزئية (CA-Duke)، تتضمن 36,411 صورة من مجموعة بيانات DukeMTMC-reID لـ 74 سمة بشرية. ومع ذلك، لا تزال هناك غموض حول المنهجية المنظمة لتحديد أفضل موقع لإضافة فروع جديدة، نظرًا لأن الأساليب الحالية تختار موقع إضافة الوحدات الإضافية إلى النماذج الأساسية لبناء شبكة متعددة المهام من خلال عملية تجريبية. ولتحديد أفضل مكان لإدراج وحدة PAR في شبكة مُدرّبة مسبقًا على التعرف على الهوية، تُقترح هذه الدراسة أيضًا منهجية تعلّم مكونة من خطوتين لتقييم قابلية فصل البيانات في الفضاء الخفي باستخدام مقياس جديد يُسمى "مؤشر الفصل" (Separation Index - SI). وأخيرًا، تُظهر التجارب الواسعة على نتائج التعرف على السمات واسترجاع الصور أن التسمية الشاملة والقائمة على الصور يمكن أن تُحسّن كفاءة الشبكة بنسبة 3.31% من حيث معيار F1. علاوة على ذلك، يمكن لمؤشر SI والشبكات المُدرّبة مسبقًا تحقيق أداءً متفوّقًا على مستوى الحد الأقصى في مجال التعرف على السمات البشرية (PAR).