АНАЛІЗ ВИКОРИСТАННЯ DOMAIN ADAPTATION GANS ДЛЯ ЗАДАЧІ ПОВТОРНОЇ ІДЕНТИФІКАЦІЇ ЛЮДИНИ
Олександр Михайлович Кириленко, Роман Наумович Квєтний
Остання редакція: 2025-03-26
Анотація
У даній доповіді розглядається застосування методів Domain Adaptation GANs для вирішення задачі повторної ідентифікації людини. Основною метою є генерація додаткових зображень для розширення тренувального набору даних, що сприяє покращенню якості навчання моделей у випадках обмеженості вихідних даних. Представлено основні підходи, зокрема використання cycle-consistency для збереження характерних особливостей осіб під час перенесення стилістичних властивостей між різними доменами. Аналізуються переваги даної технології, серед яких – підвищення узагальнення моделі та адаптація до різних умов зйомки, а також виклики, пов’язані з налаштуванням моделі та високими обчислювальними витратами. Отримані результати демонструють потенціал Domain Adaptation GANs у покращенні точності повторної ідентифікації у системах відеоспостереження та безпеки.
Ключові слова
повторна ідентифікація людини; Domain Adaptation; GANs; генерація зображень; cycle-consistency; адаптація доменів
Посилання
[1] Zhu J.-Y., Park T., Isola P., Efros A.A. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. – IEEE International Conference on Computer Vision, 2017. – С. 2242–2251.
[2] Yi X., Zhang H., Tan P., Gong M. DualGAN: Unsupervised Dual Learning for Image-to-Image Translation. – arXiv preprint arXiv:1704.02510, 2017.
[3] Zheng L., Shen L., Tian L., Wang S., Wang J., Tian Q. Scalable Person Re-identification: A Benchmark. – Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2015.
[4] Choi Y., Choi M., Kim M., Ha J.-W., Kim S., Choo J. StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation. – Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018.