Enhancing Long-Term Re-Identification Robustness Using Synthetic Data: A Comparative Analysis

要約

この貢献は、合成トレーニングデータの使用の影響と、再識別の文脈における材料摩耗と老化の予測の影響を調査します。
さまざまな実験セットアップとギャラリーセットの拡張戦略がテストされ、老化の再識別対象の時間の経過に伴うパフォーマンスへの影響を分析します。
継続的に更新されるギャラリーを使用して、材料の老化が段階的に考慮されたため、平均ランク1の精度を24％増加させることができました。
さらに、10％の人工トレーニングデータでトレーニングされたモデルを使用して、実世界のデータのみでトレーニングされたモデルと比較して、ランク1の精度を最大13％増加させることができ、ホールドアウトデータの一般化されたパフォーマンスが大幅に向上します。
最後に、この作品では、小説のオープンソースの再識別データセットであるPallet-Block-2696を紹介します。
このデータセットには、4か月間にわたって撮影されたユーロパレットの2,696枚の画像が含まれています。
この間、自然な老化プロセスが発生し、使用中にパレットの一部が損傷しました。
これらの摩耗プロセスは、パレットの外観を大幅に変化させ、合成的に熟成したパレットまたは他の木製素材を生成するために使用できるデータセットを提供します。

要約(オリジナル)

This contribution explores the impact of synthetic training data usage and the prediction of material wear and aging in the context of re-identification. Different experimental setups and gallery set expanding strategies are tested, analyzing their impact on performance over time for aging re-identification subjects. Using a continuously updating gallery, we were able to increase our mean Rank-1 accuracy by 24%, as material aging was taken into account step by step. In addition, using models trained with 10% artificial training data, Rank-1 accuracy could be increased by up to 13%, in comparison to a model trained on only real-world data, significantly boosting generalized performance on hold-out data. Finally, this work introduces a novel, open-source re-identification dataset, pallet-block-2696. This dataset contains 2,696 images of Euro pallets, taken over a period of 4 months. During this time, natural aging processes occurred and some of the pallets were damaged during their usage. These wear and tear processes significantly changed the appearance of the pallets, providing a dataset that can be used to generate synthetically aged pallets or other wooden materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google