Enhancing Person Re-Identification via Uncertainty Feature Fusion and Auto-weighted Measure Combination

要約

多様なシナリオにわたって対象者を正確に識別できる堅牢な人物再識別 (Re-ID) システムの探求は、監視およびセキュリティ アプリケーションにおいて依然として大きな課題です。
この研究では、不確実性特徴融合 (UFFM) とワイズ ディスタンス アグリゲーション (WDA) を統合することで人物再識別 (Re-ID) を大幅に強化する新しい方法論を紹介します。
Market-1501、DukeMTMC-ReID、MSMT17 のベンチマーク データセットでテストしたところ、当社のアプローチはランク 1 の精度と平均平均精度 (mAP) が大幅に向上していることが実証されました。
具体的には、UFFM は複数の画像からの特徴合成の力を利用して、異なるビュー間での被写体の外観のばらつきによって課せられる制限を克服します。
WDA は、類似性メトリクスをインテリジェントに集約することでプロセスをさらに改良し、対象間の微妙だが重大な違いを識別するシステムの能力を強化します。
実証結果は、既存のアプローチに対する私たちの手法の優位性を裏付けており、評価されたすべてのデータセットにわたって新しいパフォーマンス ベンチマークを達成しています。

要約(オリジナル)

The quest for robust Person re-identification (Re-ID) systems capable of accurately identifying subjects across diverse scenarios remains a formidable challenge in surveillance and security applications. This study presents a novel methodology that significantly enhances Person Re-Identification (Re-ID) by integrating Uncertainty Feature Fusion (UFFM) with Wise Distance Aggregation (WDA). Tested on benchmark datasets – Market-1501, DukeMTMC-ReID, and MSMT17 – our approach demonstrates substantial improvements in Rank-1 accuracy and mean Average Precision (mAP). Specifically, UFFM capitalizes on the power of feature synthesis from multiple images to overcome the limitations imposed by the variability of subject appearances across different views. WDA further refines the process by intelligently aggregating similarity metrics, thereby enhancing the system’s ability to discern subtle but critical differences between subjects. The empirical results affirm the superiority of our method over existing approaches, achieving new performance benchmarks across all evaluated datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google