[論文レビュー] A Comprehensive Survey on Deep-Learning-based Vehicle Re-Identification: Models, Data Sets and Challenges

Ali Amiri, Aydın Kaya+1 more|arXiv (Cornell University)|Jan 19, 2024

Advanced Neural Network Applications被引用数 7

ひとこと要約

この論文は深層学習を用いた車両再識別の包括的な調査を提供し、監督ありの手法と無監督の手法、データセット、評価基準、課題、および今後の方向性を扱う。

ABSTRACT

Vehicle re-identification (ReID) endeavors to associate vehicle images collected from a distributed network of cameras spanning diverse traffic environments. This task assumes paramount importance within the spectrum of vehicle-centric technologies, playing a pivotal role in deploying Intelligent Transportation Systems (ITS) and advancing smart city initiatives. Rapid advancements in deep learning have significantly propelled the evolution of vehicle ReID technologies in recent years. Consequently, undertaking a comprehensive survey of methodologies centered on deep learning for vehicle re-identification has become imperative and inescapable. This paper extensively explores deep learning techniques applied to vehicle ReID. It outlines the categorization of these methods, encompassing supervised and unsupervised approaches, delves into existing research within these categories, introduces datasets and evaluation criteria, and delineates forthcoming challenges and potential research directions. This comprehensive assessment examines the landscape of deep learning in vehicle ReID and establishes a foundation and starting point for future works. It aims to serve as a complete reference by highlighting challenges and emerging trends, fostering advancements and applications in vehicle ReID utilizing deep learning models.

研究の動機と目的

• ITSおよびスマートシティにおける車両再識別の重要性を喚起する。
• 深層学習アプローチを監視付きと無監視の手法に分類する。
• 車両ReIDで用いられるデータセットと評価基準を要約する。
• 分野の主要な課題と潜在的な研究方向を特定する。

提案手法

• 車両ReIDに用いられる深層学習技術をレビューし分類する（監督あり・なし）。
• 評価に用いられる既存データセットと評価基準を調査する。
• 深層学習ベースの車両 ReIDにおける課題と今後の研究方向を議論する。

実験結果

リサーチクエスチョン

• RQ1 車両再識別に用いられる主な深層学習アプローチは何で、どのように分類されるか（監督あり vs なし）？
• RQ2 車両ReID研究で一般的に用いられるデータセットと評価基準は何か？
• RQ3 車両ReIDの主要な課題と今後の有望な方向性は何か？

主な発見

• 車両ReIDの深層学習手法の構造化された概要を提供する。
• 分野で用いられるデータセットと評価指標を要約する。
• 課題と将来の研究方向を浮き彫りにし、今後の研究を導く。