적응 및 재식별 네트워크: 사람 재식별을 위한 비지도 딥 전이 학습 접근법

개인 재식별(Person Re-identification, Re-ID)은 다른 카메라에서 촬영된 이미지에서 동일한 사람을 인식하는 것을 목표로 합니다. 이 과제를 해결하기 위해서는 효과적인 Re-ID 모델을 훈련시키기 위해 대량의 라벨링된 데이터가 필요하지만, 이는 실제 응용 분야에서는 실현 가능하지 않을 수 있습니다. 이러한 제한을 완화하기 위해 우리는 다른 (보조) 데이터셋에서 충분한 양의 기존 라벨링된 데이터를 활용하기로 하였습니다. 보조 데이터셋과 관심 대상 데이터셋(라벨 정보 없음)을 함께 고려함으로써, 우리가 제안한 적응 및 재식별 네트워크(Adaptation and Re-identification Network, ARN)는 비지도 도메인 적응을 수행하여, 여러 데이터셋 간의 정보를 활용하고 도메인 불변 특성을 도출하여 Re-ID 목적에 사용합니다. 실험 결과, 우리의 네트워크가 최신 비지도 Re-ID 접근법보다 우수하게 작동하며, 완전히 지도 학습 데이터를 필요로 하는 여러 베이스라인 Re-ID 방법들보다도 더 나은 성능을 보임을 확인하였습니다.