带走迷路的域回家为单个源域可通用的文本到图像人体检索
概括
这项研究介绍了单源域可通用的文本到图像人检索 (SSDG-TIPR) 用于现实世界监控. 提议的TIME方法有效地将模型适应到未见的领域,实现最先进的性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 文本到图像人体检索 (TIPR) 通常假定统一的数据分布,限制现实世界的适用性.
- 监控数据通常来自不同的场景,违反统一领域假设.
- 现有的TIPR方法因数据收集环境的多样化而扎于领域转移.
研究的目的:
- 引入单个源域可通用的文本到图像人检索 (SSDG-TIPR) 以实现现实的监控.
- 解决SSDG-TIPR中有限的培训数据的挑战.
- 提出一种新的方法,TIME,以适应模型到未见的目标领域.
主要方法:
- 提出单个源域可通用的文本到图像人检索 (SSDG-TIPR) 任务.
- 介绍"把它带回家" (TIME) 方法用于域名概括.
- 时间包括域迷失引领 (DAL),域不变特征提取 (DIFE) 和域回家 (DoT) 模块.
主要成果:
- 时间在10个SSDG-TIPR子任务上表现出卓越的表现.
- 该方法还在3个传统的TIPR子任务上取得了最先进的结果.
- 在CUHK-PEDES,ICFG-PEDES和RSTPReid基准数据集上进行评估.
结论:
- 提议的TIME方法有效地处理文本到图像人检索的域移动.
- 对于实际的监控应用,SSDG-TIPR是一个更现实的,更具挑战性的任务.
- 时间为SSDG-TIPR和传统TIPR设置建立了一个新的最先进的技术.
