Person Re-ID through Unsupervised Hypergraph Rank Selection and Fusion

要約

タイトル: Unsupervised Hypergraph Rank Selection and Fusionによる個人識別

要約:
– 個人識別は、多くのカメラ監視アプリケーションにおいて基本的な重要性を持っており、注目されています。
– このタスクは、重複する視点のない複数のカメラ間で個人を識別することを目的としたものであり、大量のデータが必要である上、各個人に対して手動でクラスを割り当てることが困難であるため、ラベル付きデータが必要なアプローチがほとんどです。
– 最近の研究では、再ランキング手法がラベル付きデータがなくても重要な改善をもたらすことがわかっており、複数のフィーチャー抽出器やトレーニングリソースの融合も有望な研究方向として注目されています。
– 本研究では、複数の多様なフィーチャー抽出器から得られた複数のランクリストを完全に無指導で選択・フュージョンすることが可能な、マニフォールドランクアグリゲーションアプローチに取り組んでいます。
– 本アプローチは、相補的な異なる個人の再識別ランカーを活用する能力を持っており、ハイパーグラフ構造を考慮した画像間の関係をモデル化するクエリのパフォーマンス予測測定が提案されています。
– 4つの共通に使用される個人識別用データセットで表現力の高い結果が得られ、ほとんどのシナリオで最先端の技術と競合する結果が得られました。

要約(オリジナル)

Person Re-ID has been gaining a lot of attention and nowadays is of fundamental importance in many camera surveillance applications. The task consists of identifying individuals across multiple cameras that have no overlapping views. Most of the approaches require labeled data, which is not always available, given the huge amount of demanded data and the difficulty of manually assigning a class for each individual. Recently, studies have shown that re-ranking methods are capable of achieving significant gains, especially in the absence of labeled data. Besides that, the fusion of feature extractors and multiple-source training is another promising research direction not extensively exploited. We aim to fill this gap through a manifold rank aggregation approach capable of exploiting the complementarity of different person Re-ID rankers. In this work, we perform a completely unsupervised selection and fusion of diverse ranked lists obtained from multiple and diverse feature extractors. Among the contributions, this work proposes a query performance prediction measure that models the relationship among images considering a hypergraph structure and does not require the use of any labeled data. Expressive gains were obtained in four datasets commonly used for person Re-ID. We achieved results competitive to the state-of-the-art in most of the scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI