CA-Jaccard: Camera-aware Jaccard Distance for Person Re-identification

要約

人物の再識別 (re-ID) は、人物を検索するための識別機能を学習することを目的とした難しいタスクです。
個人の再 ID では、Jaccard 距離は、特に再ランキングやクラスタリングのシナリオで広く使用される距離指標です。
ただし、カメラの変動が Jaccard 距離の信頼性に重​​大な悪影響を与えることがわかりました。
特に、Jaccard 距離は、関連する近傍の重なりに基づいて距離を計算します。
カメラの変動により、カメラ内サンプルが関連する近傍サンプルよりも優先され、カメラ内ネガティブ サンプルが導入され、カメラ間ポジティブ サンプルが除外されることで近傍サンプルの信頼性が低下します。
この問題を克服するために、カメラ情報を活用して Jaccard 距離の信頼性を高める、新しいカメラ認識 Jaccard (CA-Jaccard) 距離を提案します。
具体的には、カメラ認識 k-逆数最近傍 (CKRNN) を導入して、カメラ内およびカメラ間のランキング リストで k-逆数最近傍を見つけます。これにより、関連する近傍の信頼性が向上し、カメラ間サンプルの寄与が保証されます。
重なり合いの中で。
さらに、カメラの変動を強力な制約として利用して、関連する近傍で信頼できるサンプルをマイニングし、これらのサンプルに重複してより高い重みを割り当てることで信頼性をさらに向上させる、カメラ対応ローカル クエリ拡張 (CLQE) を提案します。
当社の CA-Jaccard 距離はシンプルでありながら効果的であり、信頼性が高く計算コストが低い個人の再 ID 方法の一般的な距離メトリックとして機能します。
広範な実験により、私たちの方法の有効性が実証されています。

要約(オリジナル)

Person re-identification (re-ID) is a challenging task that aims to learn discriminative features for person retrieval. In person re-ID, Jaccard distance is a widely used distance metric, especially in re-ranking and clustering scenarios. However, we discover that camera variation has a significant negative impact on the reliability of Jaccard distance. In particular, Jaccard distance calculates the distance based on the overlap of relevant neighbors. Due to camera variation, intra-camera samples dominate the relevant neighbors, which reduces the reliability of the neighbors by introducing intra-camera negative samples and excluding inter-camera positive samples. To overcome this problem, we propose a novel camera-aware Jaccard (CA-Jaccard) distance that leverages camera information to enhance the reliability of Jaccard distance. Specifically, we introduce camera-aware k-reciprocal nearest neighbors (CKRNNs) to find k-reciprocal nearest neighbors on the intra-camera and inter-camera ranking lists, which improves the reliability of relevant neighbors and guarantees the contribution of inter-camera samples in the overlap. Moreover, we propose a camera-aware local query expansion (CLQE) to exploit camera variation as a strong constraint to mine reliable samples in relevant neighbors and assign these samples higher weights in overlap to further improve the reliability. Our CA-Jaccard distance is simple yet effective and can serve as a general distance metric for person re-ID methods with high reliability and low computational cost. Extensive experiments demonstrate the effectiveness of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google