2ヶ月前

適応と再識別ネットワーク:人物再識別のための教師なし深層転移学習アプローチ

Yu-Jhe Li; Fu-En Yang; Yen-Cheng Liu; Yu-Ying Yeh; Xiaofei Du; Yu-Chiang Frank Wang
適応と再識別ネットワーク:人物再識別のための教師なし深層転移学習アプローチ
要約

人物再識別(Person Re-Identification, Re-ID)は、異なるカメラで撮影された画像から同一の人物を認識することを目指しています。この課題に対処するためには、一般的に効果的なRe-IDモデルを学習するために大量のラベル付きデータが必要となりますが、実際のアプリケーションではこれが現実的ではない場合があります。この制約を緩和するために、我々は異なる(補助的)データセットから十分な量の既存のラベル付きデータを利用することを選択しました。補助的データセットと対象となるデータセット(ただしラベル情報なし)を組み合わせて考慮することで、提案する適応と再識別ネットワーク(Adaptation and Re-Identification Network, ARN)は無教師ドメイン適応を行い、データセット間での情報を活用し、ドメイン不変特徴量を導出してRe-IDに利用します。実験において、我々のネットワークが最先端の無教師Re-ID手法に対して有利に働くことを確認しました。さらに、完全に教師ありデータで学習が必要な基準Re-ID手法よりも優れた性能を発揮することも示されました。

適応と再識別ネットワーク:人物再識別のための教師なし深層転移学習アプローチ | 最新論文 | HyperAI超神経