更快的人重新识别:一次性过和粗细搜索
IEEE transactions on pattern analysis and machine intelligence
|December 13, 2023
概括
这项研究引入了一种新的粗到细 (CtF) 哈希策略和一拍过器 (OSF) 以实现更快,更准确的人重新识别 (ReID). 这种新方法实现了显著的加快速度和比现有的哈希和非哈希ReID技术更好的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 模式识别 模式识别
背景情况:
- 快速的人重新识别 (ReID) 对于高效的图像搜索至关重要.
- 当前基于哈希的ReID方法实现了速度,但需要长代码来实现准确性,从而产生了速度-准确性权衡.
- 由于O (n) 时间复杂性,现有的方法面临着大数据集的可扩展性挑战.
研究的目的:
- 开发一个新的哈希代码搜索策略,用于快速准确的人 ReID.
- 为了解决基于哈希的ReID的速度精度权衡问题.
- 为大规模画廊提高ReID方法的效率和可扩展性.
主要方法:
- 引入了一个粗到细 (CtF) 哈希代码搜索策略,使用互补的短代码和长代码.
- 设计了一个All-in-One (AiO) 模块,用于同时学习多长度代码,以及用于值搜索的距离值优化 (DTO) 算法.
- 提出了一个无画廊大小的一次性过器 (OSF) 策略,其中包括一个隐性属性学习 (LAL) 模块和单向度量 (SDM) 损失,用于O(1) 复杂性过.
主要成果:
- CtF+OSF方法的准确度提高了2%,并且比当代哈希ReID方法快5倍.
- 与非哈希 ReID 方法相比,CtF 显示了 50 倍的加快速度,准确度与非哈希 ReID 方法相比相当.
- OSF进一步加快了CtF的2倍,导致总速度提高了10倍,精度损失最小.
结论:
- 拟议的CtF策略通过利用多长度代码有效平衡速度和准确性.
- 该OSF战略显著提高了大规模ReID任务的可扩展性和搜索速度.
- 结合CtF+OSF的方法代表了有效和准确的人重新识别的重大进步.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
05:58Using Rapid Serial Visual Presentation to Measure Set-Specific Capture, a Consequence of Distraction While Multitasking
Published on: August 29, 2018
8.9K
