Распознавание частей с помощью атрибутов и уточнение для повторной идентификации человека
Это краткое изложение исследования – лишь одно из многих, которые еженедельно публикуются в информационном бюллетене для ученых, занимающихся искусственным интеллектом. Чтобы начать получать еженедельную рассылку, подпишитесь здесь.
В последнее время повторная идентификация личности привлекает все большее внимание как со стороны исследовательского мира, так и со стороны промышленности. И хотя он стал популярным и привлек многих исследователей ИИ, эта область продолжает сталкиваться с проблемами, включая вариации визуальной перспективы, запутанные позы и освещение, которые могут быть очень неясными при попытке сделать вывод о том, имеют ли два изображения одинаковую идентичность. .
Кроме того, поскольку для обнаружения человеческих объектов по-прежнему используются традиционные методы, ограничивающие рамки могут быть неточными и приводить к пространственному смещению между двумя изображениями в сочетании с вариациями позы. Не будем также забывать о проблеме окклюзии, которая часто возникает в реалистичных сценах видеонаблюдения.
Что ж, исследователи продолжают искать лучшие модели повторной идентификации лиц, включая использование представлений функций глубокого обучения.
Модель обнаружения и уточнения деталей с помощью атрибутов (APDR)
Изучение атрибутов для задач повторной идентификации человека уже изучалось в прошлом и продемонстрировало большой потенциал, когда его рассматривают как семантические функции среднего уровня для таких влияний, как вид камеры, поза и условия освещения.
Теперь исследователи предлагают использовать процесс изучения атрибутов в качестве локализатора для решения проблемы рассогласования. Это первый случай в истории алгоритмов, который открыто использует перцептивную способность изучения атрибутов для задач повторной идентификации человека.
Они разработали простую, но эффективную модель для идентификации людей по атрибутам. Для эффективного представления информация об объединенных атрибутах используется для фильтрации неиспользуемой информации. APDR был тщательно протестирован на двух популярных тестах с аннотациями атрибутов, включая Market-1501 и DukeMTMC-reID. Модель демонстрирует эффективность и конкурентоспособность по сравнению с современными моделями.
Возможное использование и эффекты
Новый подход может продвинуть вперед и способствовать выполнению задач повторной идентификации личности. Это имеет большое значение в текущей исследовательской работе, задачах поиска изображений и приложениях видеонаблюдения.
Спасибо за чтение. Комментируйте, делитесь и не забывайте подписываться! Также подписывайтесь на меня в Twitter и LinkedIn. Ваше здоровье!
