स्थानांतरण पुनः-पहचान: व्यक्ति से सेट-आधारित सत्यापन की ओर

व्यक्ति पुनः-पहचान की समस्या का समाधान करना एक बहु-कैमरा नेटवर्क में लोगों के व्यवहार को समझने के लिए महत्वपूर्ण हो गया है, जिसमें असमान दृष्टिकोण होते हैं। इस काम में, हम सेट-आधारित सत्यापन के दृष्टिकोण से पुनः-पहचान की समस्या को संबोधित करते हैं। विशेष रूप से, हमारे पास लक्षित लोगों का एक छोटा सेट है जो एक निगरानी सूची (सेट) पर है और हमारा लक्ष्य यह सत्यापित करना है कि एक व्यक्ति की क्वेरी छवि इस निगरानी सूची में है या नहीं। यह मौजूदा व्यक्ति पुनः-पहचान की समस्या से भिन्न है क्योंकि इसमें प्रव Probe की पहचान एक छोटे सेट की ज्ञात लोगों के खिलाफ सत्यापित की जाती है, लेकिन इसमें सेट में प्रत्येक उम्मीदवार के लिए अधिक उच्च सत्यापन सटीकता की आवश्यकता होती है। अर्थात्, दृश्य में सभी को पहचानने के बजाय, हम लक्षित लोगों के एक छोटे सेट की पहचान को गैर-लक्षित लोगों के खिलाफ मानते हैं जब लक्षित प्रशिक्षण नमूनों की संख्या सीमित होती है और बहुत सारे बिना लेबल (अज्ञात) गैर-लक्षित नमूने उपलब्ध होते हैं। इस उद्देश्य के लिए, हम लक्ष्य सूची सेट सत्यापन समस्यानिवारण के लिए गैर-लक्षित लोगों के डेटा से भेदक जानकारी निकालने के लिए एक स्थानांतरण शिक्षा ढाँचा तैयार करते हैं। प्रस्तावित दृष्टिकोण के आधार पर, हम मल्टी-शॉट और वन-शॉट सत्यापनों के विचारों को प्रस्तुत करते हैं। हम i-LIDS और ETHZ डेटा सेट के खिलाफ प्रस्तावित स्थानांतरण शिक्षा विधि के प्रदर्शन का मूल्यांकन करने के लिए नए मानदंड भी डिजाइन करते हैं।