InvKA: Gait Recognition via Invertible Koopman Autoencoder

要約

現在の歩行認識方法のほとんどは、解釈可能性が低く、計算コストが高いという問題があります。
解釈可能性を向上させるために、コープマン演算子理論に基づいて埋め込み空間内の歩行特徴を調査します。
この空間の遷移行列は、歩行サイクルの複雑な運動学的特徴、つまりコープマン オペレーターを捕捉します。
演算子行列の対角要素は全体的な動きの傾向を表すことができ、物理的に意味のある記述子を提供します。
アルゴリズムの計算コストを削減するために、可逆オートエンコーダーを使用してモデルのサイズを削減し、畳み込み層を削除して深さを圧縮することで、浮動小数点演算が少なくなります。
複数のデータセットでの実験結果では、私たちの方法は、非オクルージョン データセットで競合する認識精度 98% を達成しながら、最先端の方法と比較して計算コストを 1% に削減できることが示されています。

要約(オリジナル)

Most current gait recognition methods suffer from poor interpretability and high computational cost. To improve interpretability, we investigate gait features in the embedding space based on Koopman operator theory. The transition matrix in this space captures complex kinematic features of gait cycles, namely the Koopman operator. The diagonal elements of the operator matrix can represent the overall motion trend, providing a physically meaningful descriptor. To reduce the computational cost of our algorithm, we use a reversible autoencoder to reduce the model size and eliminate convolutional layers to compress its depth, resulting in fewer floating-point operations. Experimental results on multiple datasets show that our method reduces computational cost to 1% compared to state-of-the-art methods while achieving competitive recognition accuracy 98% on non-occlusion datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google