生成AIを活用したサイバーコアのRe-ID（人物再認識）アルゴリズム「CORE-ReID」が論文掲載サイト「Papers with Code」の該当カテゴリで1位にランクイン
サイバーコアのUnsupervised Domain Adaptation（UDA、教師なしドメインアダプテーション）Re-ID（Re Identification、人物や対象物の再認識）アルゴリズムであるCORE-ReIDが、世界中の研究者が集まる論文掲載サイト、Papers with Codeで該当カテゴリ1位にランクされました。
CORE-ReIDアルゴリズムの名前は、サイバーコアに由来しています。本研究は、当社と岩手県立大学のプリマ オキ ディッキ アルディアンシャー博士および研究室と共同で、当社のAIエンジニアが実施しました。
CORE-ReIDの特長：
CORE-ReIDの特長は、以下の4つの点になります：
1. CycleGANによる学習データ生成: CycleGANを利用して、事前学習段階で多様なデータを作成し、さまざまなカメラソースからの画像特性を調和させました。
2. Teacher-Student Networks for Multi-View Features: 異なる画角の特徴量学習のためのTeacher-Student（教師-生徒）ネットワークの活用。
3. Innovative Efficient Channel Attention Block (ECAB): 特長のチャネル間の関係を活用し、入力画像内の意味のある構造に焦点を当てて学習を強化し、特徴抽出を強化。
4. COREフレームワーク: 効率的なチャネルアテンションブロック: CORE(Comprehensive Optimization and Refinement through Ensemble Fusion)フレームワークは、グローバルとローカル(上部と下部)の特徴の適応的融合を実行可能にします。
広く用いられている3つのUDA Person ReIDデータセットでベンチマークを実施した結果、CORE-ReIDの性能は、他の最先端アプローチよりも優れている点が示されました。
論文タイトル: “CORE-ReID: Comprehensive Optimization and Refinement through Ensemble fusion in Domain Adaptation for person re-identification”.
Related URLs:
Papers with code – Unsupervised Domain Adaptation’s benchmark – https://paperswithcode.com/task/unsupervised-domain-adaptation
Papers with code – https://paperswithcode.com/paper/core-reid-comprehensive-optimization-and
Paper – https://www.mdpi.com/2674-113X/3/2/12
Project Page – https://trinhquocnguyen.github.io/core-reid-homepage
