訂閱
糾錯
加入自媒體

遷移學習新突破,澎思科技刷新跨域行人再識別(ReID)世界紀錄

繼在三大主流單幀圖片行人再識別數(shù)據(jù)集、三大主流視頻行人再識別數(shù)據(jù)集刷新世界記錄后,近日,澎思科技(Pensees)再次在單幀圖片數(shù)據(jù)集(Market1501,DukeMTMC-reID,MSMT17)刷新世界紀錄,大幅提升了跨域ReID算法的準確率。

Picture 2.png.png

本次,澎思科技創(chuàng)新性地將對抗生成網(wǎng)絡(luò)與自監(jiān)督學習算法結(jié)合進行模型的訓練,通過遷移學習,進行高準確率的跨場景(數(shù)據(jù)庫)行人再識別算法的研發(fā),取得了突破性進展,對于行人再識別技術(shù)在應(yīng)用場景中的落地具有重要的意義。

行人再識別面臨跨場景落地挑戰(zhàn)  澎思科技再度刷新三大數(shù)據(jù)集世界紀錄

行人再識別(ReID)算法能夠通過視頻監(jiān)控系統(tǒng),在跨攝像頭的條件下檢索行人,大大拓展攝像資源的利用深度。特別在公共安全領(lǐng)域,ReID可以彌補人臉識別的局限,提升對特定人物的識別追蹤能力,并大大降低人力成本。然而相比人臉識別的百萬級數(shù)據(jù)庫,行人再識別面臨著數(shù)據(jù)量不足和復雜應(yīng)用場景變化的挑戰(zhàn)。因此,展開高準確率的跨場景(數(shù)據(jù)庫)行人再識別算法研究對于行人再識別技術(shù)的應(yīng)用落地十分重要。

此次澎思科技刷新的ReID三大數(shù)據(jù)集,除了Market1501,DukeMTMC-reID兩大常見數(shù)據(jù)集之外,還包含了MSMT17數(shù)據(jù)集。MSMT17,即Multi-Scene Multi-Time,是在CVPR 2018上提出的一個更接近真實場景的大型數(shù)據(jù)集,涵蓋了多場景多時段,是目前最賦有挑戰(zhàn)性的綜合跨場景大數(shù)據(jù)集。與之前的數(shù)據(jù)集相比,該數(shù)據(jù)庫中行人和攝像頭數(shù)目更多,覆蓋場景更復雜,時間跨度更廣。因此,在該數(shù)據(jù)集下模型的表現(xiàn)更能體現(xiàn)出算法的實力。

圖片 5.png.png

MSMT17 數(shù)據(jù)集與其他數(shù)據(jù)集的直觀對比

最終,通過與目前最新的主流算法進行對比,澎思科技的ReID算法無論在首位命中率(Rank-1 Accuracy),還是平均精度均值(Mean Average Precision,mAP)上的表現(xiàn)都明顯更好,準確率更高。

對抗生成網(wǎng)絡(luò)與自監(jiān)督學習算法結(jié)合  遷移學習取得創(chuàng)新性突破

澎思科技此次成果的取得源于澎思新加坡研究院對算法的自研創(chuàng)新和融合探索。本次,澎思科技創(chuàng)新性地將對抗生成網(wǎng)絡(luò)與自監(jiān)督學習算法結(jié)合進行模型的訓練,通過遷移學習,進行高準確率的跨場景(數(shù)據(jù)庫)行人再識別算法的研發(fā),取得了突破性進展。

- 對抗生成網(wǎng)絡(luò)在算法中主要有兩個功能:一方面,進行數(shù)據(jù)庫的域遷移,具體為原域到目標域的風格遷移;另一方面,進行目標域數(shù)據(jù)庫的數(shù)據(jù)增強,具體為生成跨攝像頭數(shù)據(jù)并給模型賦予相機風格不變的約束。

- 自監(jiān)督學習則是通過聚類的方式給目標域數(shù)據(jù)庫打虛擬標簽并微調(diào)之前訓練好的網(wǎng)絡(luò)。

Image1.png.png

源域模型訓練

Image3.png.png

目標域模型自監(jiān)督學習

近年來,單域行人再識別(Single-Domain Person ReID)取得了巨大進展,但與實際應(yīng)用場景的要求還存在較大差距,跨域行人再識別(Cross-Domain Person ReID)的研究意義愈發(fā)顯著。隨著人工智能的不斷發(fā)展演進,如何通過自動遷移學習、自監(jiān)督學習、GAN等前沿技術(shù)實現(xiàn)模型優(yōu)化,成為跨域行人再識別的重要研究方向。

澎思科技長期以來就保持對行人再識別(ReID)算法的關(guān)注,此次創(chuàng)新性地通過遷移學習提升了目標場景下的ReID性能,突破了行人再識別的落地應(yīng)用限制,真正發(fā)揮了ReID的算法作用和技術(shù)優(yōu)勢,為行人再識別算法在各類產(chǎn)品和應(yīng)用場景中的落地打下基礎(chǔ)。

未來,澎思科技將持續(xù)關(guān)注遷移學習、自監(jiān)督學習等學術(shù)前沿研究,加大在邊緣智能創(chuàng)新上的研發(fā)投入,為澎思AIoT生態(tài)體系的建設(shè)提供強有力的技術(shù)支持。同時,澎思科技也將積極推進AI算法在實際應(yīng)用中的落地,關(guān)注不斷出現(xiàn)的新場景、新需求,讓AI服務(wù)社會生活的方方面面,驅(qū)動尖端AI技術(shù)向普惠性的智能服務(wù)持續(xù)進化。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點和對其真實性負責,如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標題:
    *糾錯內(nèi)容:
    聯(lián)系郵箱:
    *驗 證 碼:

    粵公網(wǎng)安備 44030502002758號