Vers la ré-identification de personnes en monde ouvert par vérification groupée à une seule image

Résoudre le problème de la correspondance entre les personnes à travers des vues multi-cameras non superposées, connu sous le nom de ré-identification de personnes (re-id), a suscité un intérêt croissant dans le domaine de la vision par ordinateur. Dans un scénario d'application du monde réel, une liste de surveillance (ensemble de galerie) d'un nombre limité de personnes cibles connues est fournie avec très peu (dans de nombreux cas, une seule) image(s) (prises) par cible. Les méthodes de re-id existantes sont largement inadaptées pour relever ce défi de ré-identification en monde ouvert car elles sont conçues pour (1) un scénario de monde fermé où les ensembles de galerie et de sondage sont supposés contenir exactement les mêmes personnes, (2) l'identification par personne où le modèle tente de vérifier de manière exhaustive chaque individu dans l'ensemble de galerie, et (3) l'apprentissage d'un modèle de correspondance utilisant plusieurs images. Dans cet article, un nouveau modèle de comparaison de distance relative locale transféré (t-LRDC) est formulé pour aborder le problème de la ré-identification de personnes en monde ouvert par vérification groupée à une seule image. Le modèle est conçu pour extraire et transférer des informations utiles à partir d'un ensemble de données non-cibles étiqueté en monde ouvert. Des expériences extensives démontrent que l'approche proposée surpasse à la fois les méthodes d'apprentissage sans transfert et les méthodes de re-id basées sur l'apprentissage par transfert existantes.