JoT-GAN: GAN और व्यक्ति पुनः पहचान मॉडल को संयुक्त प्रशिक्षण देने के लिए एक ढांचा

अपर्याप्त प्रशिक्षण डेटा के कारण उत्पन्न समस्या का सामना करने के लिए, कई व्यक्ति पुनः पहचान (re-id) विधियाँ डेटा संवर्धन के लिए जनरेटिव एडवर्सेरियल नेटवर्क्स (GAN) का उपयोग करती हैं, जहाँ GAN का प्रशिक्षण आमतौर पर re-id मॉडल के प्रशिक्षण से स्वतंत्र होता है। उनके बीच का युग्मित संबंध जो शायद re-id के प्रदर्शन में सुधार लाता है, इस प्रकार अनदेखा किया गया है। इस कार्य में, हम एक सामान्य ढाँचे का प्रस्ताव करते हैं, जिसे JoT-GAN कहा जाता है, ताकि GAN और re-id मॉडल को संयुक्त रूप से प्रशिक्षित किया जा सके। यह एक साथ जनरेटर और re-id मॉडल दोनों के ऑप्टिमा को प्राप्त कर सकता है, जहाँ प्रशिक्षण एक दूसरे के माध्यम से एक डिस्क्रिमिनेटर द्वारा मार्गदर्शित होता है। re-id मॉडल को दो कारणों से बढ़ावा मिलता है: (1) प्रतिकूल प्रशिक्षण इसे डिस्क्रिमिनेटर को धोखा देने के लिए प्रोत्साहित करता है, और (2) जनरेट किए गए नमूने प्रशिक्षण डेटा को संवर्धित करते हैं। बेंचमार्क डेटासेट्स पर विस्तृत परिणाम दर्शाते हैं कि पहचान हानि और तिकड़ी हानि के साथ प्रशिक्षित re-id मॉडल के लिए, प्रस्तावित संयुक्त प्रशिक्षण ढांचा अलग प्रशिक्षण के साथ मौजूदा विधियों से बेहतर प्रदर्शन करता है और उच्चतम स्तर की re-id प्रदर्शन प्राप्त करता है।