Der Artikel beschäftigt sich mit der Anpassung von Personenwiedererkennungsmodellen an zeitliche Verteilungsverschiebungen. Dafür wird ein neuartiges Verfahren namens TEMP (Test-time Similarity Modification for Person Re-identification) vorgestellt.
TEMP zielt darauf ab, die Unsicherheit der Personenwiedererkennungsvorhersagen zu minimieren, um die Leistung des Modells bei Verteilungsverschiebungen zu verbessern. Im Gegensatz zu Klassifikationsmodellen können die Vorhersageunsicherheiten von Personenwiedererkennungsmodellen nicht direkt über die Entropie berechnet werden, da es sich um eine offene Erkennungsaufgabe handelt. Daher schlägt der Artikel eine alternative Unsicherheitsmessung, die "Re-ID-Entropie", vor, die auf den Ähnlichkeiten zwischen den Merkmalen basiert.
Die Experimente zeigen, dass die Re-ID-Entropie mit der Leistung der Personenerkennung korreliert und dass TEMP die Leistung bei zeitlichen Verteilungsverschiebungen wie Standortwechseln und Bildverzerrungen deutlich verbessern kann. TEMP ist das erste vollständig testzeit-adaptierbare Verfahren für die Personenwiederidentifikation, das keine Änderungen an der Vortrainingsphase erfordert.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Kazuki Adach... at arxiv.org 03-22-2024
https://arxiv.org/pdf/2403.14114.pdfDeeper Inquiries