面向无图像传输的隐私保护自适应行人重识别
计算机视觉与模式识别
2024-07-18 v1
摘要
行人重识别系统（Re-ID）是公共安全的关键组件，但面临适应与训练分布不同的环境挑战。此外，随着对个人自由的顾虑增加，公共场所正在实施严格的隐私协议，这使得在新环境中部署准确的Re-ID系统变得复杂。例如，在欧盟，"数据最小化"和"目的限制"原则限制了图像的保留和处理范围。这些规定对依赖服务器集中数据进行的传统Re-ID训练方案构成了挑战。本文提出了一种面向隐私保护的分布式无监督域适应行人重识别（DUDA-Rid）的新设定，解决域迁移问题，无需将图像传输到摄像设备之外。在本设定下，我们引入Fed-Protoid，一种在边缘设备上直接适应行人重识别模型的新方法。我们的方案利用源域原型对边缘设备内的特征统计进行对齐。将这些源原型分布到边缘设备中，以针对DUDA-Rid设定最小化分布式最大均值差异（MMD）损失。我们的实验提供了有力证据，表明Fed-Protoid在准确率和通信效率方面均优于所有评估方法，同时保持数据隐私。
引用
@article{arxiv.2407.12589,
title = {Privacy-Preserving Adaptive Re-Identification without Image Transfer},
author = {Hamza Rami and Jhony H. Giraldo and Nicolas Winckler and Stéphane Lathuilière},
journal= {arXiv preprint arXiv:2407.12589},
year = {2024}
}
备注
ECCV 2024