用于种群规模估计的人在回路视觉 Re-ID
计算机视觉与模式识别
2024-07-16 v2
摘要
基于计算机视觉的重新识别系统正越来越多地被部署用于估计大型图像集合中的种群规模。然而，当任务具有挑战性或部署在来自新分布的数据上时，估计的规模可能会显著不准确。我们提出了一种人在回路方法，用于估计由现成 Re-ID 系统导出的成对相似性驱动的种群规模。我们的方法基于嵌套重要性采样，根据成对相似性选择图像对进行人工审查，并产生具有相关置信区间的渐近无偏种群规模估计。我们在各种动物 Re-ID 数据集上进行了实验，并证明我们的方法优于强基线和主动聚类方法。在许多情况下，通过审查一小部分（通常少于 0.002%）的总对数，我们能够将仅使用计算机视觉时估计规模的误差率从大约 80% 降低到 20% 以下。审查成本随着准确率的提高而降低，并为在部署 Re-ID 系统时在期望容差范围内估计种群规模提供了一种实用方法。
引用
@article{arxiv.2312.05287,
title = {Human-in-the-Loop Visual Re-ID for Population Size Estimation},
author = {Gustavo Perez and Daniel Sheldon and Grant Van Horn and Subhransu Maji},
journal= {arXiv preprint arXiv:2312.05287},
year = {2024}
}