一般化可能人物再同定に対するGauss過程による偏ったバッチ正規化【JST・京大機械翻訳】

Liu Jiawei; Huang Zhipeng; Li Liang; Zheng Kecheng; Zha Zheng-Jun

プレプリント

J-GLOBAL ID：202202210706735479 整理番号：22P0298373

一般化可能人物再同定に対するGauss過程による偏ったバッチ正規化【JST・京大機械翻訳】

Debiased Batch Normalization via Gaussian Process for Generalizable Person Re-Identification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

一般化可能人再同定は,非セエンスドメイン上でよく実行できるいくつかのラベル付きソースドメインのみを持つモデルを学習することを目的とする。unseenドメインへのアクセスなしに,限られた数のソースドメインから学習されたバッチ正規化(BN)層の特徴統計量は,非セエンスドメインに対して疑いなくバイアスされる。これは,非意味ドメインのための特徴表現学習を誤って,モデルの一般化能力を悪化させる。本論文では,一般化可能な人間再識別のためのGaussプロセスアプローチ(GDNorm)による新しいデバイアスバッチ正規化を提案し,それは,一般化を改善するために,非セエンスドメインへのバイアスを軽減するために,動的自己精錬Gauss過程としてBN層から特徴統計量推定をモデル化する。具体的には,個々のソースドメインの識別可能性を捕捉するために,ドメイン特異的BN層の多重集合を持つ軽量モデルを確立し,ドメイン特異的BN層の対応するパラメータを学習した。異なるソースドメインのこれらのパラメータを用いてGauss過程を推定した。このGauss過程からのいくつかの経路を,既存のソースドメイン外の可能性のある新しいドメインのBN推定として役立ち,さらに,ソースドメインからこれらの学習パラメータを最適化でき,実際のデータ分布に通じるリターンでより正確なGauss過程を推定することができる。大量のソースドメインなしでも,GDNormは,Gauss過程の平均経路を用いて,試験中に低い計算コストを維持しながら,まだ偏ったBN推定を提供できる。大規模な実験は,著者らのGDNormが,非セエンスドメインに関するモデルの一般化能力を効果的に改善することを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , ,

前のページに戻る