要約
深層学習手法が、ビデオベースの人物再識別（re-id）の研究進展を主導し始めています。しかし、既存の手法は大部分が監督学習に焦点を当てており、視点間のペアデータをラベリングするためには膨大な手動の労力が必要です。したがって、実際のビデオ監視アプリケーションにおいて、これらの手法は拡張性と実用性に著しく欠けています。本研究では、ビデオ人物再識別タスクに対処するために、新たな深層関連学習（Deep Association Learning: DAL）スキームを提案します。これは、モデルの初期化や学習に身元ラベルを使用しない初めてのエンドツーエンドの深層学習方法です。DALは、各フレームが最適にマッチングされた同一カメラ内の表現と異なるカメラ間での表現に関連付けることを効果的に制約する2つのマージンベースの関連損失を共同で最適化することで、深層再識別マッチングモデルを学習します。既存の標準的なCNNも当社のDALスキーム内で容易に利用できます。実験結果は、PRID 2011, iLIDS-VID, MARSという3つのベンチマークにおいて、提案したDALが現在の最先端の非監督ビデオ人物再識別手法よりも大幅に優れていることを示しています。