Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised Person Re-identification

要約

タイトル：非監視型の人物再識別のためのカメラ内類似性を用いた疑似ラベルの精錬

要約：
– 非監視型人物再識別は、身元のラベルがない状態で異なるカメラ間を移動する人物画像を検索することを目的としている。
– 大部分のクラスタリングベースの手法は、画像の機能を大雑把にクラスターに分割するが、異なるカメラ間のドメインシフトによる機能分布ノイズを無視している。
– この問題に取り組むため、クラスター内のカメラ内類似性を用いた独自のラベル精錬フレームワークを提案する。カメラ内の機能分布に注意を払い、ラベルが信頼性を持つ。
– 各カメラ内でローカルクラスターを取得し、ローカル結果でインターカメラクラスターを精錬することによって、信頼性の高い疑似ラベルで再識別モデルをトレーニングする。
– 広範囲な実験により、提案手法が最新技術を上回るパフォーマンスを示すことが示されている。

要約(オリジナル)

Unsupervised person re-identification (Re-ID) aims to retrieve person images across cameras without any identity labels. Most clustering-based methods roughly divide image features into clusters and neglect the feature distribution noise caused by domain shifts among different cameras, leading to inevitable performance degradation. To address this challenge, we propose a novel label refinement framework with clustering intra-camera similarity. Intra-camera feature distribution pays more attention to the appearance of pedestrians and labels are more reliable. We conduct intra-camera training to get local clusters in each camera, respectively, and refine inter-camera clusters with local results. We hence train the Re-ID model with refined reliable pseudo labels in a self-paced way. Extensive experiments demonstrate that the proposed method surpasses state-of-the-art performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI