用于行人重识别的联合验证与识别损失深度四流连体卷积神经网络
计算机视觉与模式识别
2018-12-24 v1
摘要
采用基于三元组的深度网络的先进行人重识别系统泛化能力较差。本文提出一种四流连体深度卷积神经网络用于行人重识别，该网络在四图像输入组上联合优化验证损失与识别损失。具体而言，所提方法通过使用包含两张匹配（即同一身份）和两张不匹配图像的四图像组，克服了典型三元组形式的弱点。这使得我们能够在所学特征空间中同时增大类间差异并减小类内差异。所提方法还同时优化识别损失与验证损失，进一步最小化类内差异并最大化类间差异，从而提升整体性能。在 VIPeR、CUHK01、CUHK03 和 PRID2011 四个具有挑战性的数据集上的大量实验表明，所提方法达到了最先进的性能。
引用
@article{arxiv.1812.08983,
title = {A Deep Four-Stream Siamese Convolutional Neural Network with Joint Verification and Identification Loss for Person Re-detection},
author = {Amena Khatun and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:1812.08983},
year = {2018}
}
备注
Published in WACV 2018