Query-Guided Networks for Few-shot Fine-grained Classification and Person Search

要約

少数ショットのきめの細かい分類と人物検索は別個のタスクとして表示され、文献ではそれらを別々に扱ってきました。
しかし、よく見ると重要な類似点が明らかになります。どちらのタスクも、特定のオブジェクトの詳細によってのみ識別できるカテゴリを対象としています。
関連するモデルは、トレーニング中には見ら​​れない新しいカテゴリに一般化する必要があります。
両方のタスクに適用可能な新しい統合クエリガイドネットワーク (QGN) を提案します。
QGN は、すべてのネットワーク層にわたってクエリとギャラリー機能の両方を再重み付けするクエリ ガイド付き Siamese-Squeeze-and-Excitation サブネットワーク、クエリ固有のローカリゼーションのためのクエリ ガイド付き地域提案サブネットワーク、およびクエリ ガイド付き類似性サブネットワークで構成されます。
メトリック学習用。
QGN は、最近のいくつかの少数ショットのきめの細かいデータセットを改善し、CUB での他の手法よりも大幅に優れています。
QGN は、人物検索の CUHK-SYSU および PRW データセットでも競争力を発揮し、そこで詳細な分析を実行します。

要約(オリジナル)

Few-shot fine-grained classification and person search appear as distinct tasks and literature has treated them separately. But a closer look unveils important similarities: both tasks target categories that can only be discriminated by specific object details; and the relevant models should generalize to new categories, not seen during training. We propose a novel unified Query-Guided Network (QGN) applicable to both tasks. QGN consists of a Query-guided Siamese-Squeeze-and-Excitation subnetwork which re-weights both the query and gallery features across all network layers, a Query-guided Region Proposal subnetwork for query-specific localisation, and a Query-guided Similarity subnetwork for metric learning. QGN improves on a few recent few-shot fine-grained datasets, outperforming other techniques on CUB by a large margin. QGN also performs competitively on the person search CUHK-SYSU and PRW datasets, where we perform in-depth analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google