抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パーソン再識別(Re-ID)は,その有望な実世界応用により大きな注目を集めている。しかし,実際には,Re-IDモデルを訓練するための訓練データを注釈するのが常に高価であり,また,Re-IDタスクに対する性能を維持しながら,注釈コストを削減することが依然として困難である。この問題を解決するために,著者らは,ペアの可撓性と多様性に従って,代替ペアセットから画像ペアを選択するための注釈効率的ピアソン再識別法を提案し,アノテーションに基づくRe-IDモデルを訓練する。特に,特徴の局所性を考慮するすべての画像をクラスタ化することによって,最初に代替ペア集合のサイズを縮小するための注釈と訓練フレームワークを設計して,次に,注釈に従って人間のためにイントラ/インタークラスタサンプルから画像ペアを選択して,最後に再割り当てられたクラスタによってモデルを訓練した。ペア選択の間,著者らはペアの適応性と多様性によって貴重なペアを探索して,それはクラスタ内の最もカオス的サンプルと代表的サンプルによって画像ペアを構成するためにクラスタ内判定基準を含んで,クラスタ間の代表的サンプル,二次Waserstein距離に基づくクラスタの間の画像ペアを構成するクラスタ間判定基準とクラスタベースのペア選択のための多様性判定基準を含んだ。上記のすべての基準を結合して, greedy欲戦略を開発して対選択問題を解決した。最後に,上記のクラスタリング-選択-注釈-訓練手順を,アノテーション予算に達するまで反復する。3つの広く採用されているRe-IDデータセットに関する大規模な実験は,最先端の研究と比較してより良い性能を達成しながら,注釈コストを大幅に削減できることを示した。【JST・京大機械翻訳】