초록
개인 재식별(re-id)은 다른 카메라, 자세, 조명 조건 및 시각적 외관을 변경하는 여러 요소에서 동일한 사람의 여러 출현을 일치시키는 작업입니다. 일반적으로 이는 쌍으로 라벨링된 훈련 데이터셋에 의해 결정되는 특정 카메라 쌍에 적응된 최적의 특징이나 매칭 메트릭을 학습하여 달성됩니다. 본 연구에서는 새로운 딥러닝 기반 접근법을 제시하여 도메인 인지(적응) 개인 재식별(카메라 쌍별 학습이 아닌)을 위한 자동 프로토타입 도메인 발견 방법을 개발하였습니다. 이 방법은 모든 카메라 뷰를 새로운 미확인 장면으로 확장할 수 있으며 훈련 데이터 없이도 가능합니다. 우리는 각각 발견된 프로토타입 도메인에 대해 별도의 재식별 모델을 학습하고, 모델 배포 시에는 사람 탐색 이미지를 사용하여 가장 가까운 프로토타입 도메인의 모델을 자동으로 선택합니다. 우리의 접근법은 감독학습 또는 비감독학습 도메인 적응 학습이 필요하지 않으며, 즉 대상 도메인에서 데이터가 제공되지 않는 경우에도 적용할 수 있습니다. 우리는 저해상도와 부분 가림 현상이 있는 자동으로 검출된 바운딩 박스를 사용하여 실제적인 재식별 조건 하에서 모델을 철저히 평가하였습니다. 실험 결과, 우리의 접근법이 최신 CUHK-SYSU 및 PRW 벤치마크에서 대부분의 최신 감독학습 및 비감독학습 방법보다 우수함을 보였습니다.