Blog

2018年9月14日 Multi-task Mid-level Feature Alignment Network for Unsupervised Cross-Dataset Person Re-Identification(教師なしクロスデータセット人物照合のためのMulti-task Mid-level Feature Alignment Network)

■概要
人物照合(Re-ID)の既存手法の多くは、訓練のため多くのラベリングされたデータを必要とする、教師あり学習のフレームワークに従っています。これは、訓練時にラベリングされたサンプルを利用できない現実世界のアプリケーションにとって、スケーラビリティーの面で厳しい制約となります。この制約を乗り越えることを目的とし、教師なしクロスデータセットの人物照合タスクのための、新しい教師なしのMulti-task Mid-level Feature Alignment Network(MMFA)ネットワークを開発しました。ソースとターゲットのデータセットが同じ中間層のセマンティック属性を共有していると仮定し、人物の識別分類と属性学習タスクのもと、提案モデルはクロスデータセットの中間層特徴列の正規化項と連動して最適化することができます。この手法により、学習された特徴表現は1つのデータセットから別のデータセットへより良く一般化され、人物照合の精度をさらに改善することができます。4つのベンチマークデータセットの実験結果は、提案手法が最先端のベースラインを上回ることを示しました。

■論文URL
http://bmvc2018.org/contents/papers/0244.pdf

■著者 / 所属機関
Shan Lin / University of Warwick
Haoliang Li / Nanyang Technological University
Alex Chichung Kot / Charles Sturt University

■投稿日
2018/09/04

■採択された学会名
BMVC 2018 : British Machine Vision Conference

一覧に戻る