CA-Jaccard : Distance de Jaccard prenant en compte la caméra pour la réidentification des personnes
La ré-identification de personnes (re-ID) est une tâche complexe visant à apprendre des caractéristiques discriminantes pour la recherche de personnes. Dans le domaine de la ré-identification, la distance de Jaccard est une métrique de distance largement utilisée, en particulier dans les scénarios de re-rangage et de regroupement. Cependant, nous avons découvert que la variation des caméras a un impact négatif significatif sur la fiabilité de la distance de Jaccard. Plus précisément, la distance de Jaccard calcule la distance en fonction du chevauchement des voisins pertinents. En raison de la variation des caméras, les échantillons intra-caméra dominent parmi les voisins pertinents, ce qui réduit leur fiabilité en introduisant des échantillons négatifs intra-caméra et en excluant les échantillons positifs inter-caméra. Pour surmonter ce problème, nous proposons une nouvelle distance de Jaccard prenant en compte les caméras (CA-Jaccard), qui utilise l'information sur les caméras pour améliorer la fiabilité de la distance de Jaccard. Plus spécifiquement, nous concevons des voisins k-réciproques prenant en compte les caméras (CKRNNs) pour trouver les k-réciproques plus proches dans les listes de rangement intra-caméra et inter-caméra, ce qui améliore la fiabilité des voisins pertinents et garantit la contribution des échantillons inter-caméra dans le chevauchement. De plus, nous proposons une expansion locale des requêtes prenant en compte les caméras (CLQE) pour extraire des échantillons fiables parmi les voisins pertinents en exploitant la variation des caméras comme contrainte forte et attribuer à ces échantillons un poids plus élevé dans le chevauchement, ce qui améliore encore davantage la fiabilité. Notre distance CA-Jaccard est simple mais efficace et peut servir de métrique de distance générale pour les méthodes de ré-identification avec une haute fiabilité et un faible coût computationnel. De nombreux expériences montrent l'efficacité de notre méthode.