Auto-ReID: パート認識機能を持つConvNetの探索による人物再識別

人再識別（reID）のための現行の深層畳み込みニューラルネットワーク（CNN）は、通常、分類のために設計されたResNetやVGGのバックボーンを基盤として構築されています。しかし、reIDは分類とは異なるため、アーキテクチャをそれに応じて修正する必要があります。本研究では、reIDタスクに特化したCNNアーキテクチャを自動的に探索することを提案します。解決すべき課題は3つあります。第一に、身体構造情報がreIDにおいて重要な役割を果たすにもかかわらず、バックボーンにはその情報がエンコードされていません。第二に、ニューラルアーキテクチャサーチ（NAS）は人間の労力を必要とせずにアーキテクチャ設計を自動化しますが、既存のNAS手法は入力画像の構造情報を組み込んでいません。第三に、reIDは本質的に検索タスクですが、現在のNASアルゴリズムは主に分類のために設計されています。これらの問題に対処するために、特別に設計されたreID探索空間上で検索を行うアルゴリズムであるAuto-ReIDを提案します。当社のAuto-ReIDにより、効率的かつ効果的なCNNアーキテクチャを見つける自動化手法が可能となります。広範な実験結果から、探索されたアーキテクチャが他の方法と比較して50%少ないパラメータ数と53%少ないFLOPsで最先端の性能を達成することが示されました。