OpenAnimals：重新审视动物人脸重识别以实现更好泛化
计算机视觉与模式识别
2024-10-02 v1
摘要
本文聚焦动物人脸重识别问题，这一新兴领域与人脸重识别类似，但由于物种、环境和姿态的多样性，呈现独特的复杂性。为促进该领域的研究，我们引入 OpenAnimals—a 一个灵活且可扩展的专为动物人脸重识别设计的代码库。我们通过重新审视几种最新的人脸重识别方法（包括 BoT、AGW、SBS 和 MGN），并在 HyenaID、LeopardID、SeaTurtleID 和 WhaleSharkID 等动物重识别基准数据集上进行评估。我们的发现表明，尽管某些技术在动物重识别上表现良好，但许多技术并未泛化。为弥合这一差距，我们提出 ARBase—a 一个为动物重识别量身定制的强大 \textbf{基线} 模型，纳入了大量实验的见解，并引入了简单而有效的动物导向设计。实验表明，ARBase 在各种基准数据集上 consistently 超越现有基线，实现了最新的性能。
关键词
引用
@article{arxiv.2410.00204,
title = {OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization},
author = {Saihui Hou and Panjian Huang and Zengbin Wang and Yuan Liu and Zeyu Li and Man Zhang and Yongzhen Huang},
journal= {arXiv preprint arXiv:2410.00204},
year = {2024}
}