Enhancing person re-identification via Uncertainty Feature Fusion Method and Auto-weighted Measure Combination

要約

人物の再同定（Re-ID）は、監視システムにおいて、異なるカメラビュー間で同一人物を識別することを含む困難なタスクである。現在の手法は、通常、単一カメラビューからの特徴に依存しており、複数のカメラや、視点の変化やオクルージョンのような課題を扱う場合には、限界がある。本論文では、不確定特徴融合法（UFFM）と自動重み付け計測結合（AMC）を用いてReIDモデルの能力を向上させる新しいアプローチを紹介する。UFFMは、ビューの偏りを緩和するために、複数の画像から独立に抽出された特徴を用いてマルチビュー特徴を生成する。しかし、マルチビュー特徴量に基づく類似度のみに依存することは、これらの特徴量がシングルビュー特徴量で表現される詳細を無視するため、限界がある。そこで我々は、様々な尺度を組み合わせることで、より頑健な類似度尺度を生成するAMC法を提案する。我々の手法は、人物再識別データセットで評価した場合、Rank@1精度と平均平均精度（mAP）を大幅に改善する。MSMT17データセットでは、Rank@1が7.9%、mAPが12.1%向上し、BoTベースラインと組み合わせることで素晴らしい結果を達成した。Occluded-DukeMTMCデータセットでは、我々の手法はRank@1を22.0%、mAPを18.4%向上させた。コードはhttps://github.com/chequanghuy/Enhancing-Person-Re-Identification-via-UFFM-and-AMC

要約(オリジナル)

Person re-identification (Re-ID) is a challenging task that involves identifying the same person across different camera views in surveillance systems. Current methods usually rely on features from single-camera views, which can be limiting when dealing with multiple cameras and challenges such as changing viewpoints and occlusions. In this paper, a new approach is introduced that enhances the capability of ReID models through the Uncertain Feature Fusion Method (UFFM) and Auto-weighted Measure Combination (AMC). UFFM generates multi-view features using features extracted independently from multiple images to mitigate view bias. However, relying only on similarity based on multi-view features is limited because these features ignore the details represented in single-view features. Therefore, we propose the AMC method to generate a more robust similarity measure by combining various measures. Our method significantly improves Rank@1 accuracy and Mean Average Precision (mAP) when evaluated on person re-identification datasets. Combined with the BoT Baseline on challenging datasets, we achieve impressive results, with a 7.9% improvement in Rank@1 and a 12.1% improvement in mAP on the MSMT17 dataset. On the Occluded-DukeMTMC dataset, our method increases Rank@1 by 22.0% and mAP by 18.4%. Code is available: https://github.com/chequanghuy/Enhancing-Person-Re-Identification-via-UFFM-and-AMC

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL