核心概念
提案手法FOUS(Fast One-stage Unsupervised Domain Adaptive Person Search)は、複雑なクラスタリングアルゴリズムを必要とせず、効率的に無監督ドメイン適応型人物検索を実現する。
要約
本論文は、無監督ドメイン適応型人物検索の課題に取り組んでいる。主な内容は以下の通り:
- 従来の多段階モデルによる手法では、クラスタリングアルゴリズムの反復計算が必要で計算コストが高いという課題がある。
- 提案手法FOUSは、ワンステージの端到端アーキテクチャを採用し、クラスタリングを必要としない新しい疑似ラベル付与手法を導入することで、計算コストを大幅に削減している。
- FOUSは、注意機構を備えたドメイン整合モジュールを導入し、検出と再同定の両タスクにおけるドメイン差を効果的に緩和する。
- 疑似ラベルの精度向上のため、ラベル柔軟学習ネットワークを採用し、適応的な選択戦略によりラベルを段階的に改善する。
- 実験の結果、FOUSは2つのベンチマークデータセットにおいて、最先端の性能を達成している。
統計
提案手法FOUSは、従来手法と比較して計算コストを大幅に削減できる。
FOUSのGFLOPSは388で、DAPS(628)と比べて38%削減されている。
FOUSのパラメータ数は53.6Mで、DAPS(53.4M)とほぼ同等である。
FOUSの1回の学習時間は1.2時間で、DAPS(1.6時間)と比べて25%短縮されている。
引用
"クラスタリングアプローチは一般的に、反復的な類似度計算を必要とするため、時間とリソースを大量に消費する可能性がある。"
"提案手法FOUSは、複雑なクラスタリングアルゴリズムを必要とせず、効率的に無監督ドメイン適応型人物検索を実現する。"