Person Re-Identification with Limited Supervision

شناسایی مجدد شخص مشکل مرتبط کردن مشاهدات اهداف در دوربین‌های مختلف غیر همپوشانی است. اکثر روش‌های مبتنی بر یادگیری موجود منجر به بهبود عملکرد در معیارهای شناسایی مجدد استاندارد شده‌اند، اما به قیمت داده های وقت گیر و برچسب گذاری شده خسته کننده. با انگیزه این موضوع، یادگیری مدل‌های شناسایی مجدد افراد بدون نظارت محدود در سال‌های اخیر توجه زیادی را به خود جلب کرده است.

در این کتاب، مروری بر برخی از ادبیات حضوری مجدد ارائه می‌کنیم. شناسایی، و سپس بر روی برخی مشکلات خاص در زمینه شناسایی مجدد افراد با نظارت محدود در محیط های چند دوربینی تمرکز کنید. ما انتظار داریم که این امر به مشکلات جالبی برای محققان منجر شود که در آینده، فراتر از تنظیم مرسوم کاملاً نظارت شده که چارچوبی برای بسیاری از کارها در شناسایی مجدد شخص بوده است، در نظر بگیرند.

فصل 1 با یک شروع می شود. بررسی اجمالی مشکلات در شناسایی مجدد شخص و جهت گیری های اصلی تحقیق. ما مروری بر کارهای قبلی ارائه می کنیم که بیشتر با موضوع نظارت محدود این کتاب مطابقت دارند. فصل 2 نشان می‌دهد که چگونه می‌توان از محدودیت‌های شبکه جهانی دوربین در قالب یکپارچگی برای بهبود دقت مدل‌های شناسایی مجدد افراد جفت دوربین و همچنین انتخاب حداقل زیرمجموعه از جفت‌های تصویر برای برچسب‌گذاری بدون به خطر انداختن دقت استفاده کرد. فصل 3 دو روش را ارائه می کند که پتانسیل توسعه سیستم های بسیار مقیاس پذیر را برای شناسایی مجدد افراد ویدیویی با نظارت محدود دارد. در تنظیمات تک شات که در آن فقط یک تراکلت برای هر هویت برچسب گذاری می شود، هدف استفاده از این مجموعه کوچک برچسب دار همراه با مجموعه بزرگتر بدون برچسب تراکلت برای به دست آوردن یک مدل شناسایی مجدد است. تنظیم دیگری کاملاً بدون نظارت بدون نیاز به برچسب هویت است. سازگاری زمانی در ویدیوها به ما امکان می دهد تا در مورد تطبیق اشیاء در بین دوربین ها با اطمینان بالاتر، حتی بدون نظارت محدود، استنباط کنیم. فصل 4 شناسایی مجدد افراد در شبکه های دوربین پویا را بررسی می کند. به طور خاص، ما یک مشکل جدید را در نظر می گیریم که توجه بسیار کمی در جامعه به خود جلب کرده است، اما برای بسیاری از برنامه های کاربردی که در آن یک دوربین جدید به یک گروه موجود با مشاهده مجموعه ای از اهداف اضافه می شود، بسیار مهم است. ما دو راه حل ممکن برای نصب دوربین(های) جدید به صورت پویا در شبکه موجود با استفاده از یادگیری انتقال با نظارت اضافی محدود پیشنهاد می کنیم. در نهایت، فصل 5 کتاب را با برجسته کردن مسیرهای اصلی برای تحقیقات آینده به پایان می‌رساند.

Person re-identification is the problem of associating observations of targets in different non-overlapping cameras. Most of the existing learning-based methods have resulted in improved performance on standard re-identification benchmarks, but at the cost of time-consuming and tediously labeled data. Motivated by this, learning person re-identification models with limited to no supervision has drawn a great deal of attention in recent years.

In this book, we provide an overview of some of the literature in person re-identification, and then move on to focus on some specific problems in the context of person re-identification with limited supervision in multi-camera environments. We expect this to lead to interesting problems for researchers to consider in the future, beyond the conventional fully supervised setup that has been the framework for a lot of work in person re-identification.

Chapter 1 starts with an overview of the problems in person re-identification and the major research directions. We provide an overview of the prior works that align most closely with the limited supervision theme of this book. Chapter 2 demonstrates how global camera network constraints in the form of consistency can be utilized for improving the accuracy of camera pair-wise person re-identification models and also selecting a minimal subset of image pairs for labeling without compromising accuracy. Chapter 3 presents two methods that hold the potential for developing highly scalable systems for video person re-identification with limited supervision. In the one-shot setting where only one tracklet per identity is labeled, the objective is to utilize this small labeled set along with a larger unlabeled set of tracklets to obtain a re-identification model. Another setting is completely unsupervised without requiring any identity labels. The temporal consistency in the videos allows us to infer about matching objects across the cameras with higher confidence, even with limited to no supervision. Chapter 4 investigates person re-identification in dynamic camera networks. Specifically, we consider a novel problem that has received very little attention in the community but is critically important for many applications where a new camera is added to an existing group observing a set of targets. We propose two possible solutions for on-boarding new camera(s) dynamically to an existing network using transfer learning with limited additional supervision. Finally, Chapter 5 concludes the book by highlighting the major directions for future research.